mantch

一:项目

  1. ML-NLP

    https://github.com/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。

    章节
    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
    10. 神经网络
    11. 卷积神经网络CNN
    12. 循环神经网络RNN
    12.1 门控循环单元GRU
    12.2 长短期记忆LSTM
    13. 迁移学习
    14. 强化学习
    15. 深度学习优化方法
    自然语言处理
    16. 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
  1. Introduction-NLP

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

    HanLP作者的新书《自然语言处理入门》详细笔记!业界良心之作,书中不是枯燥无味的公式罗列,而是用白话阐述的通俗易懂的算法模型。从基本概念出发,逐步介绍中文分词、词性标注、命名实体识别、信息抽取、文本聚类、文本分类、句法分析这几个热门问题的算法原理与工程实现。

    章节
    第 1 章:新手上路
    第 2 章:词典分词
    第 3 章:二元语法与中文分词
    第 4 章:隐马尔可夫模型与序列标注
    第 5 章:感知机分类与序列标注
    第 6 章:条件随机场与序列标注
    第 7 章:词性标注
    第 8 章:命名实体识别
    第 9 章:信息抽取
    第 10 章:文本聚类
    第 11 章:文本分类
    第 12 章:依存句法分析
    第 13 章:深度学习与自然语言处理
  1. CodingInterviews2-ByPython

    https://github.com/NLP-LOVE/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。

    题目
    Interview-3:数组中重复的数字
    Inverview-59:队列的最大值
    Inverview-62:约瑟夫环问题
  1. Model-log

    Model Log 是一款基于 Python3 的轻量级机器学习(Machine Learning)、深度学习(Deep Learning)模型训练评估指标可视化工具,可以记录模型训练过程当中的超参数、Loss、Accuracy、Precision、F1值等,并以曲线图的形式进行展现对比,轻松三步即可实现。

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


 评论