mantch

一：项目

  1. ML-NLP

    此项目是机器学习(Machine Learning)、深度学习(Deep Learning)、NLP面试中常考到的知识点和代码实现，也是作为一个算法工程师必会的理论基础知识。

  2. CodingInterviews2-ByPython

    此项目是《剑指offer》第二版里算法面试题的Python3实现版本，作为一本经典书籍，可以时常拿出来看一看、翻一翻、记一记。同时也是为了Python程序员能够更好的通过公司的技术面试，拿到心仪的offer。

二：总结汇总

机器学习

  1. 线性回归

  2. 逻辑回归

  3. 决策树

    3.1 随机森林

    3.2 GBDT

    3.3 XGBoost

    3.4 LightGBM

  4. 支持向量机(SVM)

  5. 概率图模型

    5.1 贝叶斯网络

    5.2 马尔可夫模型

    5.3 主题模型

  6. EM算法

  7. 聚类算法

  8. ML特征工程和优化方法

  9. KNN

深度学习

  1. 神经网络

  2. 卷积神经网络CNN

  3. 循环神经网络RNN

    12.1 门控循环单元GRU

    12.2 长短期记忆LSTM

  4. 迁移学习

  5. 强化学习

  6. 深度学习优化方法

自然语言处理

  1. 自然语言处理

    16.1 词嵌入(Embedding)

    16.2 fastText

    16.3 GloVe

    16.4 textRNN & textCNN

    16.5 seq2seq

    16.6 注意力机制(Attention)

    16.7 Transformer模型

    16.8 BERT

    16.9 XLNet

    16.10 智能客服

推荐系统

  1. 推荐系统

二：资源

2.1 书籍

  1. 《白面机器学习》:https://www.lanzous.com/i56i24f
  2. 《剑指offer》:https://www.lanzous.com/i4ya3wd
  3. 《数学之美》第二版:https://www.lanzous.com/i3ousch
  4. 《推荐系统实战》:https://www.lanzous.com/i6362bi
  5. 《自然语言处理综论》第二版:https://www.jianguoyun.com/p/DZIKYLwQj4G5BxiZjboC

2.2 GitHub

  1. 《动手学深度学习》TF2.0版:https://github.com/TrickyGo/Dive-into-DL-TensorFlow2.0
  2. 数据竞赛top解决方案开源整理：https://github.com/Smilexuhc/Data-Competition-TopSolution
  3. 吴恩达老师的课程笔记：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

 上一页

 评论