机器学习面试准备（持续更新）--- 优秀博文传送门，收集优秀资源

优秀博文传送门，收集优秀资源

机器学习面试准备

一、机器学习

1.机器学习面试准备之一、线性回归与逻辑回归 2017年1月26日整理
2.机器学习面试准备之二、优化方法 2017年1月28日整理
3.机器学习面试准备之三、决策树与随机森林 2017年1月31日整理
4.支持向量机通俗导论（理解SVM的三层境界) 2017年2月4日拜读
5.从最大似然到EM算法浅解 拜读
6.生成模型与判别模型
7.隐马尔可夫模型（HMM）攻略
8.CRF条件随机场简介
9.PCA的数学原理
10.机器学习常见面试题整理
11.机器学习常见算法个人总结（面试用）
12.机器学习&数据挖掘笔记_16（常见面试之机器学习算法思想简单梳理）
13.AdaBoost–从原理到实现
14.GBDT（MART） 迭代决策树入门教程 | 简介
15.机器学习中防止过拟合的处理方法
16.机器学习中的范数规则化之（一）L0、L1与L2范数
17.机器学习中的范数规则化之（二）核范数与规则项参数选择
18.[转]bootstrps 、bagging与 boosting
19.数据归一化和两种常用的归一化方法
20.分类中数据不平衡问题的解决经验
21.机器学习中为什么需要对数据进行归一化？
22.机器学习 数据预处理之独热编码（One-Hot Encoding）
23. 机器学习常用算法优点及缺点总结
24.支持向量机之Hinge Loss 解释
25.Hinge loss
26. 深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件
27.正则化方法：L1和L2 regularization、数据集扩增、dropout
28.梯度下降和拟牛顿
29.机器学习中梯度下降法和牛顿法的比较
30.经验之谈：如何为你的机器学习问题选择合适的算法
31.【原创】牛顿法和拟牛顿法 – BFGS, L-BFGS, OWL-QN
32.手把手教你实现SVM算法（一）
33.PCA的数学原理(非常值得阅读)！！！！
34.从梯度下降到拟牛顿法：盘点训练神经网络的五大学习算法
35.交叉验证(Cross-Validation)
36.Locally weighted linear regression(局部加权线性回归)

二、数据挖掘

1.关联挖掘算法Apriori和FP-Tree学习
2.机器学习与数据挖掘专题
3.不平衡学习算法的评估指标
4.机器学习相关——协同过滤

三、自然语言处理

1.主题模型-LDA浅析 2017年2月10日拜读
2.深度学习与自然语言处理系列—斯坦福cs224d
3.从贝叶斯方法谈到贝叶斯网络
4.一文搞懂HMM（隐马尔可夫模型）
5.使用RNN解决NLP中序列标注问题的通用优化思路
6.如何轻松愉快地理解条件随机场（CRF）？
7.条件随机场
8.HMM MEMM CRF 区别 联系
9.【转】统计模型之间的比较，HMM，最大熵模型，CRF条件随机场
10.标注偏置问题(Label Bias Problem)和HMM、MEMM、CRF模型比较

四、深度学习

• 框架
  1. tensorflow架构
  2. 深度学习框架的介绍与比较（Caffe, TensorFlow, MXNet, Torch, Theano）
  3. 深度学习激活函数,relu,leakly_relu等等，讲的很清晰
• CNN
  1.卷积神经网络
  2.neural style论文解读
  3.Rcnn系列详解专栏
  4.全卷积网络（FCN）与图像分割
  5. Deep Learning（深度学习）学习笔记整理系列
  6.深度学习在计算机视觉领域的前沿进展
  7.CNN中pooling的理解
  8.深入理解CNN的细节
  9.卷积神经网络初窥——VGG19学习笔记及其他传送门资源
  10.深度学习（二十九）Batch Normalization 学习笔记
  11. 解读Batch Normalization
  12.【机器学习】神经网络-激活函数-面面观(Activation Function)
  13.理解dropout
  14.CNN经典网络模型摘要–AlexNet、ZFnet、GoogleNet、VGG、ResNet
  15.VGG ILSVRC 16 layers
  16.深度学习中momentum的作用
• RNN
  1.[译] 理解 LSTM 网络
  2.循环神经网络(RNN, Recurrent Neural Networks)介绍

• GAN

  1.【深度学习】生成对抗网络Generative Adversarial Nets
  2.对抗样本与生成式对抗网络
  3.对抗生成网络（Generative Adversarial Net) —有算法过程
  4.“生成对抗网络”是啥？这位技术大牛给你讲讲
  5.深度卷积对抗生成网络(DCGAN)

• Domain Adaptation
  1.MMD ：maximum mean discrepancy

Other：

深度学习岗位面试问题整理笔记
解析：Google开源的“Show and Tell”
相似图片搜索的原理
相似图片搜索的原理（二）
深度 | 迁移学习全面概述：从基本概念到相关研究
深度学习性能提升的诀窍[转载]

TensorFlow架构

五、大数据与分布式计算

1.推荐系统杂谈

2.教你如何迅速秒杀掉：99%的海量数据处理面试题
3.十大经典排序算法
4.常见排序算法小结
5. java中常用的几种排序算法

六、强化学习

1.Google Deepmind大神David Silver带你认识强化学习

七、基础知识

1.操作系统常见面试题总结
2.计算机网络常见面试题总结
3.常见排序算法小结

八、GOOD

1.近200篇机器学习&深度学习资料分享（含各种文档，视频，源码等）
2.深度学习（一）深度学习学习资料
3.Awesome Deep Vision论文大合集
4.What is the class of this image ?

Reference and Acknowledgement：

1. https://bbs.aliyun.com/read.php?spm=5176.100258.100258.8.XOo6iQ&tid=294564&displayMode=1&page=1&toread=1#tpc [天池代码分享&思路沉淀]机器学习常见的算法面试题总结
2. http://blog.csdn.net/moodytong/article/details/16801249 常见面试之机器学习算法思想简单梳理
3. http://blog.csdn.net/pakko/article/details/37878837 逻辑回归