ML、DL、NLP面試常考知識點、代碼、算法理論基礎彙總分享

此項目是機器學習(Machine Learning)、深度學習(Deep Learning)、NLP面試中常考到的知識點和代碼實現，也是作為一個算法工程師必會的理論基礎知識。

項目介紹

•此項目是機器學習、NLP面試中常考到的知識點和代碼實現，也是作為一個算法工程師必會的理論基礎知識。

•既然是以面試為主要目的，亦不可以篇概全，請諒解，有問題可提出。

•此項目以各個模塊為切入點，讓大家有一個清晰的知識體系。

•此項目亦可拿來常讀、常記以及面試時複習之用。

•每一章裡的問題都是面試時有可能問到的知識點，如有遺漏可聯繫我進行補充，結尾處都有算法的實戰代碼案例。

源地址：https://www.toutiao.com/a1647558899059715

目錄

機器學習1. 線性迴歸(Liner Regression)

機器學習2. 邏輯迴歸(Logistics Regression)

機器學習3. 決策樹(Desision Tree)

機器學習3.1 隨機森林(Random Forest)

機器學習3.2 梯度提升決策樹(GBDT)

機器學習3.3 XGBoost

機器學習3.4 LightGBM

機器學習4. 支持向量機(SVM)

機器學習5. 概率圖模型(Probabilistic Graphical Model)

機器學習5.1 貝葉斯網絡(Bayesian Network)

機器學習5.2 馬爾科夫(Markov)

機器學習5.3 主題模型(Topic Model)

機器學習6.最大期望算法(EM)

機器學習7.聚類(Clustering)

機器學習8.ML特徵工程和優化方法

機器學習9.K近鄰算法(KNN)

深度學習10.神經網絡(Neural Network)

深度學習11. 卷積神經網絡(CNN)

深度學習12. 循環神經網絡(RNN)

深度學習12.1 門控循環單元(GRU)

深度學習12.2 長短期記憶(LSTM)

深度學習13.遷移學習(Transfer)

深度學習14.強化學習(Reinforcement) & 多任務

深度學習15. 深度學習的優化方法

NLP16. 自然語言處理(NLP)

NLP16.1 詞嵌入(Word2Vec)

NLP16.2 子詞嵌入(fastText)

NLP16.3 全局向量詞嵌入(GloVe)

NLP16.4 textRNN & textCNN

NLP16.5 序列到序列模型(seq2seq)

NLP16.6 注意力機制(Attention Mechanism)

NLP16.7 Transformer模型

NLP16.8 BERT模型

NLP16.9 XLNet模型

項目17. 推薦系統(Recommendation System)

項目18. 智能客服(Intelligent Customer Service)

項目19. 知識圖譜(Knowledge Graph)

項目20. 評論分析

鏈接：https://www.toutiao.com/a1647558899059715

往期精品內容推薦

新書-計算機視覺、機器人及機器學習線性代數基礎-最新版分享

推薦-2018年最值得讀的12本深度學習相關的書

最前沿的深度學習論文、架構及資源分享

DL實戰課程推薦-從0到1構建一個Chatbot系統

純乾貨-17 分佈式深度學習原理、算法詳細介紹

深度學習中如何選擇一款合適的GPU卡的一些經驗和建議分享

模型彙總23 - 卷積神經網絡中不同類型的卷積方式介紹

《純乾貨16》調整學習速率以優化神經網絡訓練

深度學習/機器學習的處理器列表（最全_中文版）

伯克利-2017年機器學習速成課程分享

純乾貨15 48個深度學習相關的平臺和開源工具包，一定有很多你不知道的！！！

純乾貨11 強化學習（Reinforcement Learning）教材推薦