根据塞尔认知哲学的观点，语言智能是思维智能的基础，所以个人认为 NLP 在人工智能领域的重要性是要强于 CV 的。
已经学过的 NLP 的重要模型有循环神经网络(LSTM、GRU)等，但这些都是传统的基础模型，现阶段的 NLP 离不开 attention 机制，或者说离不开 Transformer. 因为 NLP 目前 SOTA(state-of-the-art) 的模型，如 BERT、GPT-3 等，都是基于 Transformer 的。
模型怎么保存？在测试或者应用是怎么使用保存好的模型？ 怎么将数据集输入？或者对数据集怎么进行操作？ 输入的数据往往是五花八门的，怎么对他们进行预处理，以方便训练和测试？