- 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面试学习群【541954936】
- 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) | ||
| 深度学习 | 11. 卷积神经网络(CNN) | ||
| 深度学习 | 12. 循环神经网络(RNN) | ||
| 深度学习 | 12.1 门控循环单元(GRU) | ||
| 深度学习 | 12.2 长短期记忆(LSTM) | ||
| 深度学习 | 13. 深度学习的优化方法 | ||
| NLP | 14. 自然语言处理(NLP) | ||
| NLP | 14.1 词嵌入(Word2Vec) | ||
| NLP | 14.2 子词嵌入(fastText) | ||
| NLP | 14.3 全局向量词嵌入(GloVe) | ||
| NLP | 14.4 textCNN | ||
| NLP | 14.5 序列到序列模型(seq2seq) | ||
| NLP | 14.6 注意力机制(Attention Mechanism) | ||
| NLP | 14.7 BERT模型 |
欢迎大家加入！共同完善此项目！