【Github】ML-NLP:机器学习、NLP面试中常考到的知识点和代码实现

2019-09-16 18:20:02 浏览数 (1)

推荐一个Github项目:NLP-LOVE/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。

推荐Star,项目链接,点击阅读原文可以直达:

https://github.com/NLP-LOVE/ML-NLP

以下来在该项目主页描述。

项目介绍

  • 此项目是机器学习、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。
  • 既然是以面试为主要目的,亦不可以篇概全,请谅解,有问题可提出。
  • 此项目以各个模块为切入点,让大家有一个清晰的知识体系。
  • 此项目亦可拿来常读、常记以及面试时复习之用。
  • 每一章里的问题都是面试时有可能问到的知识点,如有遗漏可联系我进行补充,结尾处都有算法的实战代码案例。
  • 有意向一起完成此项目或者有问题、有补充的可以加入NLP学习群【541954936】

目录

  • 项目持续更新中......

模块

章节

负责人(GitHub)

联系QQ

机器学习

1. 线性回归(Liner Regression)

@mantchs

448966528

机器学习

2. 逻辑回归(Logistics Regression)

@mantchs

448966528

机器学习

3. 决策树(Desision Tree)

@mantchs

448966528

机器学习

3.1 随机森林(Random Forest)

@mantchs

448966528

机器学习

3.2 梯度提升决策树(GBDT)

@mantchs

448966528

机器学习

3.3 XGBoost

@mantchs

448966528

机器学习

3.4 LightGBM

@mantchs

448966528

机器学习

4. 支持向量机(SVM)

@mantchs

448966528

机器学习

5. 概率图模型(Probabilistic Graphical Model)

机器学习

5.1 贝叶斯网络(Bayesian Network)

@mantchs

448966528

机器学习

5.2 马尔科夫(Markov)

@mantchs

448966528

机器学习

5.3 主题模型(Topic Model)

@mantchs

448966528

机器学习

6.最大期望算法(EM)

@mantchs

448966528

机器学习

7.聚类(Clustering)

@mantchs

448966528

机器学习

8.ML特征工程和优化方法

@mantchs

448966528

机器学习

9.K近邻算法(KNN)

@mantchs

448966528

深度学习

10.神经网络(Neural Network)

@mantchs

448966528

深度学习

11. 卷积神经网络(CNN)

@mantchs

448966528

深度学习

12. 循环神经网络(RNN)

@mantchs

448966528

深度学习

12.1 门控循环单元(GRU)

@mantchs

448966528

深度学习

12.2 长短期记忆(LSTM)

@mantchs

448966528

深度学习

13.迁移学习(Transfer)

@mantchs

448966528

深度学习

14.强化学习(Reinforcement) & 多任务

@mantchs

448966528

深度学习

15. 深度学习的优化方法

@mantchs

448966528

NLP

16. 自然语言处理(NLP)

@mantchs

448966528

NLP

16.1 词嵌入(Word2Vec)

@mantchs

448966528

NLP

16.2 子词嵌入(fastText)

@mantchs

448966528

NLP

16.3 全局向量词嵌入(GloVe)

@mantchs

448966528

NLP

16.4 textRNN & textCNN

@mantchs

448966528

NLP

16.5 序列到序列模型(seq2seq)

@mantchs

448966528

NLP

16.6 注意力机制(Attention Mechanism)

@mantchs

448966528

NLP

16.7 BERT模型

0 人点赞