讲师介绍：廖益玄，vivoAINLP组技术负责人、AI算法专家。负责vivo内容理解平台的算法研发工作，并主导实现了公司内的NLP技术框架VNF。资深IT人，AI技术发烧友，撸过代码，做过架构，写过算法，早年曾作为技术合伙人开发了国内第一款中文语音助手智能360。问题背景：做NLP的同学想必都知道，从2013年Word2vec词向量提出开始，深度学习的方法逐渐“占领”了NLP领域各个应用场景，比如用于文本分类的TextCNN，用于序列标注的RNN等等。而在2018年大规模预训练模型Elmo、BERT发布之后，NLP领域又开始了新一轮的“革命”。在这个万物皆可“Embedding”的年代，NLP应该怎么来做呢？跟之前传统机器学习方法又有何异同呢？内容看点：1.Networkweights计算词向量时，和Word2vec的不同2.文本表征模型的变化，从Transformer到BERT3.预训练时代下NLP开发的新范式