MachineLP/CodeFun

DataStructure(SwordOffer、LeetCode)、Deep Learning(Tensorflow、Keras、Pytorch)、Machine Learning(sklearn、spark)、AutoML、AutoDL、ModelDeploying、SQL

MachineLP：

其实事物发展有自己的潮流和规律，当你身处潮流之中的时候，要紧紧抓住潮流的机会，想办法脱颖而出，即使没有成功，也会更加洞悉时代的脉搏，收获珍贵的知识和经验。而如果潮流已经退去，这个时候再去往这个方向上努力，只会收获迷茫与压抑，对时代、对自己都没有什么帮助。

但是时代的浪潮犹如海滩上的浪花，总是一浪接着一浪，只要你站在海边，身处这个行业之中，下一个浪潮很快又会到来。你需要敏感而又深刻地去观察，略去那些浮躁的泡沫，抓住真正潮流的机会，奋力一搏，不管成败，都不会遗憾。

切记：求精不求多，有舍才有得；不做旁观者，不拒绝身边的任何小事。

欢迎加微信：lp9628。  因为相信所以遇见，有时候你我相遇不一定是巧合。

• 01 - programming_language

• • 01 - python

• • 02 - scala

• • 03 - c++

该部分包含基础的语法和代码，可以快读上手，并且可根据自己的需求自行查看需要了解的基础知识。

• 02 - data_structure

• • 01 - Sword_Offer

• • 02 - leetCode

• • 03 - 03-

随着自己的知识边界越来越...，越会发现数据结构和算法的重要性，很多框架底层都是使用像数组、链表等数据结构，后续的各种数据结构和算法也是由此构建而来。（通过查看很多框架源码也会发现这个问题）

• 03 - deep_learning

• • 01 - tensorflow_examples

• • • 01 - tensorflow1.0+

• • • 02 - tensorflow2.0

• • • 03 - recommendation

• • • 04 - CV

• • • 05 - NLP

• • • 06 - GAN

• • • 07 - RL

• • 02 - keras_examples

• • 03 - pytorch_examples

作为近两年热点的深度学习当然也是重点的内容之一，本部分会从tensorflow、keras、pytorch框架的使用进行介绍，主要涉及推荐、计算机视觉、自然语言处理、GAN、RL几个方面。

• 04 - machine_learning

• • 01 - sklearn_examples

• • 02 - sparkml_examples

• • 03 - feature_engineering_examples

作为长久不衰的机器学习，由于其可解释性强、硬件要求不算高、高效的特点，在各行各业依然起的非常重要的作用。

• 05 - auto_ml_dl

• • 01 - auto_ml

• • 02 - auto_dl

AutoML/DL作为近期的热点，各厂都有呈现自己的paper、框架，都在想从这个热潮中脱颖而出。该部分直接影响到算法工程师今后的工作方向，值得关注。

• 06 - model_deploying

• • 01 - py_backend

• • 02 - c++_backend

• • 03 - java_backend

模型服务模块可以说是必不可少的一个环节，当训练好的模块要使用的时候，可以通过服务端、sdk等方式，本部分会介绍通过服务的方式让模块跑起来。

• 07 - sql

作为和数据打交道的工程师，sql是必备技能之一，直接影响到你取数的成败、效率、资源占用，要做好也是要下一份苦功夫。

参考：

• - REFERENCE