导读：根据国内某求职网站数据，2019年截止到目前，坐标魔都的自然语言处理(NLP)相关职位平均月薪约为27510元，较2018年增长66%，其中月薪30K-50K的职位占比高达45.8%。
此外，自然语言处理一直是AI相关的热门领域，机器学习、深度学习、算法等职位的说明中，也经常会要求求职者掌握自然语言处理的相关技能。
想要拿到职位描述中许诺的高薪，首先得搞定offer;想要搞定offer，你就得秀出你的专业技能;想要掌握充足的专业技能，你可以从数据叔推荐的这9本书开始储备……
01 《Python自然语言处理实战：核心技术与算法》
作者：涂铭 刘祥 刘树春
推荐语：阿里巴巴、前明略数据和七牛云的资深NLP专家撰写，以实战为导向，绕开各种复杂数学公式与证明，确保读者零基础入门。本书专注于中文的自然语言处理，以Python及其相关框架为工具，以实战为导向，详细讲解了自然语言处理的各种核心技术、方法论和经典算法。
02 《Python自然语言处理》
作者：雅兰·萨纳卡
推荐语：本书致力于总体介绍自然语言处理领域中的一些概念、术语、应用任务、算法和技术、系统搭建方法等，非常适合作为对自然语言处理任务感兴趣的初学者进入该领域的入门书籍。
你能学习到：
- 自然语言处理应用开发中的Python编程方法，理解自然语言数据属性和语料分析处理的方法。
- 使用Python类库处理自然语言，像NLTK、Polyglot、SpaCy、Standford CoreNLP等。
- 特征工程中特征抽取和特征选择的方法。
- 深度学习中向量化方法的优势。
- 更好地理解规则式系统的架构。
- 使用自然语言处理中的有监督和无监督机器学习方法进行训练与调优。
- 为自然语言处理和自然语言生成问题找到合适的深度学习方法。
03 《自然语言处理Python进阶》
作者：克里希纳·巴夫萨 等
推荐语：本书包含的实例可以让你学会使用NLTK(处理NLP任务的主要Python平台)完成自然语言处理的各种任务，涵盖了自然语言理解、自然语言处理和句法分析等。你将学会如何理解语言、处理句子及各种歧义现象;你也将学会如何有效地使用NLTK来进行文本分类、分词及词性标注等多个任务;你还将学会如何分析词汇和句子结构，并掌握句法分析、语义分析、语用分析以及深度学习技术的应用。
04 《TensorFlow自然语言处理》
作者：图珊·加内格达拉
推荐语：本书是一本使用深度学习算法和TensorFlow来编写现代自然语言处理应用程序的实践指南，内容涉及词嵌入的各种方法、CNN/RNN/LSTM的TensorFlow实现及应用、LSTM在文本生成及图像标题生成的应用、从统计机器翻译到神经网络翻译以及自然语言处理的未来。
通过阅读本书，你将深入认识NLP(自然语言处理)，并学习如何在深度学习NLP任务中应用TensorFlow，以及如何执行特定的NLP任务。
05 《面向自然语言处理的深度学习》
作者：帕拉什·戈雅尔 等
推荐语：通过解决dropout、池化和归一化层的难题，探索并开发你自己的深度学习网络;获得关于强化学习以及如何使用上下文特定的行为令人兴奋的介绍;在Tensorflow和Keras中使用叠加双向LSTM创建自己的聊天机器人。
06 《Python高级数据分析：机器学习、深度学习和NLP实例》
作者：萨扬·穆霍帕迪亚
推荐语：本书包含数据分析实例，涵盖了从基础统计学到ETL、深度学习和物联网的广泛领域，给出了产业分析项目各个技术方面的概念。
07 《基于深度学习的自然语言处理》
作者：约阿夫·戈尔德贝格
推荐语：深度学习技术为解决NLP问题提供了一种可能的思路，已成为有效推动自然语言处理技术发展的变革力量。
本书的作者和译者都是国内外NLP领域非常活跃的青年学者，他们关注的方法和技术代表和预示着目前和未来NLP领域的趋势。本书系统阐述将深度学习技术应用于自然语言处理的方法和技术，深入浅出地介绍了深度学习的基本知识及各种常用的网络结构，并重点介绍了如何使用这些技术处理自然语言。
08 《自然语言处理与深度学习：通过C语言模拟》
作者：小高知宏
推荐语：本书初步探索了将深度学习应用于自然语言处理的方法。概述了自然语言处理的一般概念，通过具体实例说明了如何提取自然语言文本的特征以及如何考虑上下文关系来生成文本。
书中自然语言文本的特征提取是通过卷积神经网络来实现的，而根据上下文关系来生成文本则利用了循环神经网络。这两个网络是深度学习领域中常用的基础技术。
09 《Java自然语言处理》
作者：理查德·里斯
推荐语：自然语言处理(NLP)是应用程序开发的重要领域，在解决实际问题中起着越来越重要的作用。NLP任务支持的自然语言可访问应用程序需求显著增。本书将探索如何使用诸如全文本搜索、专有名称识别、聚类、标记、信息提取、汇总等方法自主组织文本。书中涵盖了NLP的概念，即使没有统计或自然语言处理背景的人也可以理解它。
