机器学习/推荐系统/NLP/学习链接整合
文章目录
- 数据处理
- 机器学习
- SVM
- EM算法
- 隐马尔科夫
- LDA
- 条件随机场
- 集成/强化学习
- 深度学习
- NLP
- tensorflow
- spark
- pyspark
- hive
- Linux命令行
- 数据结构
- leetecode刷题
- 剑指offer
- 算法
- 面试总结
- python
- 推荐系统
- CTR预估
- 计算机基础
最近发现一个宝藏级博客，将大佬的学习笔记做一个整合，之后慢慢学习~~~
从小白到入门算法，我的经验分享给你～
数据处理
数据预处理
数据库-行转列
探究随机数产生
离群点检测
机器学习
机器学习基石课程第一讲
机器学习基石课程第二讲
机器学习基石课程第三讲
机器学习基石课程第四讲
机器学习-各分类模型优缺点
机器学习-过拟合
机器学习-数据不平衡问题
机器学习-逻辑回归
机器学习-LR推导及与SVM的区别
机器学习-决策树
机器学习-推荐系统
机器学习-损失函数详解
机器学习-矩阵求导
机器学习-梯度下降法
机器学习-二分类转多分类
机器学习-谈谈分类算法的选择
周志华《机器学习》-PR曲线和ROC曲线
周志华《机器学习》-3-6章知识点拾遗
周志华《机器学习》-概率角度理解机器学习
周志华《机器学习》–集成学习
周志华《机器学习》–聚类
周志华《机器学习》–多维缩放MD
周志华《机器学习》–PCA主成分分析
周志华《机器学习》–特征选择
周志华《机器学习》–马尔可夫随机场
周志华《机器学习》–条件随机场
周志华《机器学习》–概率图模型推断
《统计学习方法》拾遗-第一章
《统计学习方法》拾遗-感知机学习和对偶形式
《统计学习方法》拾遗-朴素贝叶斯
《统计学习方法》拾遗-一起来记决策树公式
《统计学习方法》拾遗-笔试常考的HMM
《统计学习方法》拾遗-前向分布算法
时间序列分解
ARIMA模型原理及实现
拟牛顿法面面俱到(一)–牛顿插值法
拟牛顿法面面俱到(二)–泰勒公式
程序员的数学2(概率统计)1-2章知识点汇总
L1正则化及推导
从贝叶斯角度看L1及L2正则化
整理一份万字机器学习资料
树模型缺失值处理总结
美团机器学习实践第一章-问题建模总结
美团机器学习实践第二章-特征工程总结
美团机器学习实践第三章-常用模型总结
美团机器学习实践第四章-模型融合总结
SVM
SVM系列第一讲–从故事中开始我们的旅途
SVM系列第二讲–从线性分类器讲起
SVM系列第三讲–函数间隔和几何间隔
SVM系列第四讲–最大间隔分类器
SVM系列第五讲–支撑向量
SVM系列第六讲–拉格朗日乘子法
SVM系列第七讲–KKT条件
SVM系列第八讲–原始问题求解
SVM系列第九讲–核方法
SVM系列第十讲–离群点处理
SVM系列第十一讲–损失函数
SVM系列第十二讲–SMO算法
v\SVM系列十三讲–支持向量回归机SVR
EM算法
EM算法系列(一)-联合概率分布
EM算法系列(二)-Jenson不等式
EM算法系列(三)-最大似然估计
EM算法系列(四)-男女生身高问题
EM算法系列(五)-三硬币问题
EM算法系列(六)-EM算法的导出
隐马尔科夫
隐马尔可夫模型（一）-马尔可夫链
隐马尔可夫模型（二）-骰子的故事
隐马尔可夫模型（三）-HMM基本概念
隐马尔可夫模型（四）-概率计算问题
隐马尔可夫模型（五）-学习算法
隐马尔可夫模型（六）-预测算法
LDA
LDA漫游系列(一)-引言
LDA漫游系列(二)-数学基础
LDA漫游系列(三)-共轭先验分布
LDA漫游系列(四)-Gibbs Sampling
LDA漫游系列(五)-基于Gibbs Sampling的LDA模型
条件随机场
条件随机场小入门-以词性标注为例
集成/强化学习
强化学习基础
AdaBoost算法原理
随机森林算法
AdaBoost训练误差分析
AdaBoost与前向分步算法
GBDT(梯度提升决策树)
马尔科夫决策过程
XGBoost原理
Stacking原理及Python实现
David Silver深度强化学习第2课-马尔可夫决策过程
David Sliver课程
探秘多智能体强化学习-MADDPG算法原理及简单实现
Boosting方法-从AdaBoost到LightGBM
Proximal Policy Optimization(PPO)算法原理及实现！
强化学习AC、A2C、A3C算法原理与实现
强化学习中reward稀疏和无法获取问题解决方案
强化学习反馈稀疏问题-HindSight Experience Replay原理及实现！
Categorical DQN-一种建模价值分布的深度强化学习方法！
GAIL:一种结合GAN思想的反向强化学习方法
深度学习
李宏毅深度学习(一):深度学习模型的基本结构
李宏毅深度学习(二):计算图与反向传播
李宏毅深度学习(三):语言模型
李宏毅深度学习(五):Conditional Generation by RNN & Attention
李宏毅深度学习(六):Generative Adversarial Network (GAN)
听说GAN很高大上，其实就这么简单
使用dropout来避免过拟合吧！
实现CNN对mnist手写数字分类
使用简单的RNN观测数字中的规律
更进一步，使用LSTM实现对手写数字识别
Attentiom Model 博文整理
实战深度强化学习DQN-理论和实践
理解Q-learning，一篇文章就够了
Q-Learning 和 SARSA 算法对比
这可能是我见过的最好理解的Actor-Critic算法解释了
Pointer-network
Pointer-network理论及tensorflow实战
DQN三大改进(一)-Double DQN
DQN三大改进(二)-Prioritised replay
DQN三大改进(三)-Dueling Network
深度强化学习-Policy Gradient基本实现
深度强化学习-Actor-Critic算法原理和实现
深度强化学习-DDPG算法原理和实现
对抗思想与强化学习的碰撞-SeqGAN模型原理和代码解析
神经网络和深度学习(一):深度学习概论
Batch Normalization
Deep Reinforcement Learning For Sequence to Sequence Models
一文搞懂DNN反向传播！
Maxout激活函数原理及实现
残差网络ResNet网络原理及实现
一步步解析Attention is All You Need！
增强模型的探索能力-强化学习NoisyNet原理及实现！
Rainbow:整合DQN六种改进的深度强化学习方法！
记忆网络之End-To-End Memory Networks
NLP
哇，原来python字符串是这样的！
windows下使用word2vec训练维基百科中文语料全攻略！（一）
windows下使用word2vec训练维基百科中文语料全攻略！（二）
windows下使用word2vec训练维基百科中文语料全攻略！（三）
探秘Word2Vec(一)-预备知识
探秘Word2Vec(二)-背景知识
探秘Word2Vec(三)-词向量的理解
探秘Word2Vec(四)-CBOW模型
探秘Word2Vec(五)-Skip-gram模型
探秘Word2Vec(六)-负采样方法
常见的词向量类型
tensorflow
使用Tensorflow实现简单的RNN
简单易懂的LSTM手写数字识别
TensorFlow基础知识点总结！
使用Tensorflow实现第一个神经网络吧！
用tensorboard来看看我们的网络流吧！
简单的Seq2Seq实现作对联
使用Seq2Seq+attention model实现简单的Chatbot
使用Tensorflow的DataSet和Iterator读取数据！
使用Tensorflow实现数组的部分替换
spark
Scala版RDD基本操作
Spark-SQL之DataFrame创建
Spark-SQL之DataFrame基本操作
Scala函数式编程-List常用方法
Spark实现列转行
使用Spark进行决策树二元分类
Spark资料
pyspark
在windows下虚拟机配置spark集群最强攻略！
PySpark初体验
PySpark之RDD入门最全攻略！
PySpark读取Mysql数据到DataFrame！
SparkSQL+RDD计算句子相似性！
hive
Hive的数据类型
Hive解析Json数据
Hive中over的其他用法
HiveQL查询操作全解(一):基础
HiveQL查询操作全解(二):常用函数
HiveQL查询操作全解(三):JOIN语句
HiveQL查询操作全解(四):COUNT的高级用法
HiveQL查询操作全解(五):正则表达式
HiveQL查询操作全解(六):explode函数详解
HiveQL查询操作全解(七):union详解
HiveQL实现累积求和
Hive函数实战
Linux命令行
快乐的linux命令行-探究操作系统
快乐的linux命令行-操作文件和目录
快乐的linux命令行-使用命令
快乐的linux命令行-重定向
快乐的linux命令行-从shell眼中看世界
快乐的linux命令行-键盘高级操作技巧
数据结构
遍历二叉树的五种非递归方式！
非递归方式后序遍历二叉树的新姿势
二叉树三种遍历互推
数据结构与算法分析(c语言)–链表
数据结构与算法分析(c语言)–栈
数据结构与算法分析(c语言)–队列
数据结构与算法分析(c语言)–排序（一)
数据结构与算法分析(c语言)–排序（二）
数据结构与算法分析(c语言)–堆排序分析
外部排序
数据结构与算法分析(c语言)–树
排序算法-使用python实现
各种排序算法的分析及java&python实现
二叉树的存储结构及线索化二叉树
二叉排序树
平衡二叉树
最小生成树
红黑树详解
B-树（B树）详解
B+树详解
二叉树的主要性质总结！
二叉树、树、森林的相互转换
Trie树(字典树)的基本实现
最小生成树-普里姆算法和克鲁思卡尔算法
数据结构和算法的基本概念
顺序表和链表的比较
栈和队列遗漏知识点补充！
最短路径-迪杰斯特拉算法
最短路径-弗洛伊德算法
求解连续子数组和全解析-常规解法VS树状数组！
leetecode刷题
3个月用python刷完leetcode600题！-简单篇（一）
3个月用python刷完leetcode600题!-数组简单题（一）
3个月用python刷完leetcode600题!-数组简单题（二）
3个月用python刷完leetcode600题!-hash table简单题（一）
3个月用python刷完leetcode600题!-hash table简单题（二）
3个月用python刷完leetcode600题!-linked_list简单题
3个月用python刷完leetcode600题!-math简单题（一）
3个月用python刷完leetcode600题!-math简单题（二）
3个月用python刷完leetcode600题!-二进制简单题
3个月用python刷完leetcode600题!-动态规划简单题
3个月用python刷完leetcode600题!-数据库简单题
3个月用python刷完leetcode600题!-树简单题(一）
3个月用python刷完leetcode600题!-树简单题(二）
Leetcode-树问题(一)
动态规划在字符串匹配问题中的应用
Leetcode-字符串问题(一)
剑指offer
java&python版剑指offer(一)
java&python版剑指offer(二)
java&python版剑指offer(三)
java&python版剑指offer(四)
java&python版剑指offer(五)
java&python版剑指offer(六)
java&python版剑指offer(七)
java&python版剑指offer(八)
算法
常用算法-回溯法
常用算法-蓄水池抽样算法
分享几道不错的算法笔试题
后缀表示法
神奇的卡特兰数
Apriori算法详解
0-1背包问题
完全背包问题
图类算法总结(一):DFS／BFS
左程云-递归和动态规划
左程云-数组问题
面试总结
网易大数据岗面试总结
网易面试算法题-买卖股票最佳时机问题解析！
股票问题合集
融360助理数据分析岗位面试总结！
今日头条算法工程师实习生一面！
知乎-数据挖掘面试
美团-数据挖掘面试
猫眼电影-数据挖掘面试
新浪-机器学习一面
渡鸦科技-自然语言处理
新浪-机器学习二面
滴滴-数据分析
今日头条爬虫实习生
今日头条算法面经-二面凉
秋招记录-头条
秋招记录-阿里
秋招记录-百度核心搜索部
秋招记录-知乎
秋招记录—ThoughtWorks
秋招记录-美团留用面试
秋招记录-便利蜂
大佬的面试问题解析
秋招记录-贝壳
秋招记录-一点资讯
秋招记录-百度Feed
秋招记录-猫眼
秋招记录-搜狗
秋招记录-小米
秋招记录-滴滴
秋招常见面试问题总结
秋招记录-拼多多
秋招记录-爱奇艺
python
Python语言规范
Python创建数组的坑
Python中的拷贝详解
Python变量作用域及闭包
Python代码编译执行过程
Python多线程编程
Numpy知识点总结
Pandas-DataFrame基础知识点总结
Pandas-Series知识点总结
Pandas-层次化索引
Pandas-高级操作知识点总结
Pandas-时间序列基础
Pandas选择一行暗藏玄机
Sklearn各分类算法实现
Sklearn模型实用技巧
Sklearn中Pipeline的使用
Matplotlib知识点总结
Pandas实现Hive中的窗口函数
TensorFlow 和 NumPy 的 Broadcasting 机制探秘
Python中的Generator、Iterator、Iterable
Python函数式编程-高阶函数、匿名函数、装饰器、偏函数
Python中的lazy property
推荐系统
推荐系统(一) – 推荐系统基础
推荐系统理论(二) – 利用用户行为数据进行推荐(协同过滤)
推荐系统理论(三) – 冷启动问题
推荐系统理论(四) – 利用标签数据进行推荐
推荐系统理论(五) – 利用上下文信息进行推荐
推荐系统理论(六) – 利用社交网络数据进行推荐
推荐系统理论(七) – 评分预测问题
推荐系统实战(一)–movieslens数据集简介
推荐系统实战(二)–movieslens数据集实现UserCF算法
推荐系统遇上深度学习(一)–FM模型理论和实践
推荐系统遇上深度学习(二)–FFM模型理论和实践
推荐系统遇上深度学习(三)–DeepFM模型理论和实践
推荐系统遇上深度学习(四)–多值离散特征的embedding解决方案
推荐系统遇上深度学习(五)–Deep&Cross Network模型理论和实践
推荐系统遇上深度学习(六)–PNN模型理论和实践
推荐系统遇上深度学习(七)–NFM模型理论和实践
推荐系统遇上深度学习(八)–AFM模型理论和实践
推荐系统遇上深度学习(九)–评价指标AUC原理及实践
推荐系统遇上深度学习(十)–GBDT+LR融合方案实战
推荐系统遇上深度学习(十一)–神经协同过滤NCF原理及实战
推荐系统遇上深度学习(十二)–推荐系统中的EE问题及基本Bandit算法
推荐系统遇上深度学习(十三)–linUCB方法浅析及实现
推荐系统遇上深度学习(十四)–《DRN:A Deep Reinforcement Learning Framework for News Recommendation》
《DRN:A Deep Reinforcement Learning Framework for News Recommendation》
推荐系统遇上深度学习(十五)–强化学习在京东推荐中的探索
推荐系统遇上深度学习(十六)–详解推荐系统中的常用评测指标
推荐系统遇上深度学习(十七)–探秘阿里之MLR算法浅析及实现
推荐系统遇上深度学习(十八)–探秘阿里之深度兴趣网络(DIN)浅析及实现
推荐系统遇上深度学习(十九)–探秘阿里之完整空间多任务模型ESMM
推荐系统遇上深度学习(二十)–贝叶斯个性化排序(BPR)算法原理及实战
推荐系统遇上深度学习(二十一)–阶段性回顾
推荐系统遇上深度学习(二十二)–DeepFM升级版XDeepFM模型强势来袭！
推荐系统遇上深度学习(二十三)–大一统信息检索模型IRGAN在推荐领域的应用
推荐系统遇上深度学习(二十四)–深度兴趣进化网络DIEN原理及实战！
推荐系统遇上深度学习(二十五)–当知识图谱遇上个性化推荐
推荐系统遇上深度学习(二十六)–知识图谱与推荐系统结合之DKN模型原理及实
推荐系统遇上深度学习(二十七)–知识图谱与推荐系统结合之RippleNet模型原理及实现
推荐系统遇上深度学习(二十八)–知识图谱与推荐系统结合之MKR模型原理及实现
推荐系统遇上深度学习(二十九)–协同记忆网络理论及实践
推荐系统遇上深度学习(三十)–深度矩阵分解模型理论及实践
推荐系统遇上深度学习(三十一)–使用自注意力机制进行物品推荐
推荐系统遇上深度学习(三十二)–《推荐系统实践》思维导图
推荐系统遇上深度学习(三十三)–Neural Attentive Item Similarity Model
推荐系统遇上深度学习(三十四)–YouTube深度学习推荐系统
推荐系统遇上深度学习(三十五)–强化学习在京东推荐中的探索(二)
推荐系统遇上深度学习(三十六)–Learning and Transferring IDs Representation in E-commerce
推荐系统遇上深度学习(三十七)–基于多任务学习的可解释性推荐系统
推荐系统遇上深度学习(三十八)–CFGAN:一种基于GAN的协同过滤推荐框架
推荐系统遇上深度学习(三十九)-推荐系统中召回策略演进！
推荐系统遇上深度学习(四十)-SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS
CTR预估
CTR预估(二)–LR与GBDT融合方案
计算机基础
整理一些计算机基础知识！(不定期更新)