分享一下我为什么可以获得ssp

今天给大家分享一个校招拿到多家大厂，机器学习算法岗ssp offer同学的学习笔记

这位同学写技术博客也断断续续有四五年了。

写的目的主要是两个， 一来是记录知识和督促自身的技术水平提升，二来是向往开源精神，因为我本身学技术就是从开源获取的，最后回报一下也是理所应当。

不多BB，直接上干货，这样节约沟通成本。

https://github.com/chehongshu/Artificial-intelligence-diamond-chinese

全中文的人工智能教程和资料，只选“精品”，如“钻石”般精致。

公众号：AI蜗牛车

保持谦逊、保持自律、保持进步

发送【蜗牛】获取一份《手把手AI项目》（AI蜗牛车著）
发送【1222】获取一份不错的leetcode刷题笔记
发送【wx】加好友空闲时唠唠嗑~

这位同学在学习的过程中也不断地写了不少垂直领域的专栏文章。

其中也有很多入门的知识点：

• python语言需要会

• numpy pandas matplotlib三大库需要学，可能在实现过程中大量的数据处理和可视化

• 机器学习理论基础，主要分经典监督学习方法和非监督学习方法

• 深度学习理论基础，主要是 简单的神经网络，卷积神经网络，循环神经网络

• 机器学习对应常用开源库sklearn

• 深度学习框架tensorflow和pytorch

最后分享一下笔记把，不算写的全面，但一定通俗易懂。

(ps：其中有一小部分内容也是本公众号出品，是博主邀请要好的学习伙伴&朋友&作者共同写作。)

为了让你对整体算法技术栈有个全面的认识，画了一张图，里面几乎涵盖了机器学习，深度学习入门需要的一些理论和实践知识。

这里面我的分享包括：

• 系统化手把手AI项目（带你从环境配置到最终模型部署整个流程）

• 理论基础

• 白话机器学习（用白话的方式来探究机器学习理论）

• 深度学习理论（深度学习一些理论知识）

• 时序相关文章

• 时空序列预测系列文章

• 时间序列相关文章

• 两大深度学习框架

• Pytorch深度学习框架

• TensorFlow深度学习框架

• 异常检测

• 图神经网络

• 数据科学

• 计算机基础

• 随笔

• 分享

• 经验分享

• 杂谈

• 个人经历

系统化手把手AI项目

安装系统和环境

• 一、安装win10+linux-Ubuntu16.04的双系统（全网最详细）

• 二、ubuntu16.04+caffe＋CUDA10.0+cudnn7.4+python2.7

• 三、利用Anaconda配置tensorflow-gpu环境（linux+windows）

玩转网络和数据集

• 四、Caffe_ssd安装以及利用VOC2012,VOC2007数据集测试VGG_SSD网络

• 五、自己制作图像VOC数据集--用于Objection Detection（目标检测）

• 六、Caffe实现MobileNetSSD及各个文件详细解释，利用自己的数据集训练MobileNetSSD模型

模型移植

• 七、MobileNetSSD通过Ncnn前向推理框架在PC端的使用(objection detection)

• 八、MobileNetSSD通过Ncnn前向推理框架在Android端的使用--Cmake编译(目标检测)上篇

• 八、MobileNetSSD通过Ncnn前向推理框架在Android端的使用--Cmake编译(目标检测)下篇

• 九、MobileNetSSD通过Ncnn前向推理框架在Android端的使用-Cmake编译补充篇章(多目标)

模型量化和剪枝

• 十、利用量化工具caffe-int8-convert-tools实现caffemodel量化

• 十一、深度学习中模型model的剪枝笔记

• 深度卷积网络的剪枝和加速（含完整代码）

白话机器学习

监督学习算法

基础模型

• 算法理论+实战之K近邻算法

• 算法理论+实战之决策树

• 算法理论+实战之朴素贝叶斯

• 算法理论+实战之支持向量机（SVM）

集成模型

• 算法理论+实战之Xgboost算法

• 算法理论+实战之AdaBoost算法

• 算法理论+实战之LightGBM算法

无监督学习算法

• 算法理论+实战之EM聚类

• 算法理论+实战之PCA降维

• 算法理论+实战之K-Means聚类算法

• 算法理论+实战之关联规则

• 算法理论+实战之PageRank算法

深度学习理论

总结串讲

• RNN、LSTM、GRU、ConvLSTM、ConvGRU、ST-LSTM

• 序列模型结构之普通堆叠、Encoding-Decoding、Encoding-Forcasting

相关理论

• 通俗大白话详述RNN理论和LSTM理论

• 详细解读LSTM与GRU单元的各个公式和区别

• 为什么卷积神经网络中的“卷积”不是卷积运算?

重温序列模型

• 再回首DeepLearning遇见了RNN

• 再回首DeepLearning遇见了LSTM和GRU

• 再回首DeepLearning遇见了Transformer

未完待续...

时间序列相关文章

总结

• 对于时间序列，你所能做的一切.

• 时空序列、时间序列、异常检测相关papers

理论和模型

• 波动率建模之ARCH模型

• DTW算法详解

• 自回归模型

• 时间序列分解总结

• 详解Prophet模型以及代码示例

• Deep Uncertainty Quantification

• DA-RNN: 基于双阶段注意力机制的循环神经网络

未完待续...

时空序列预测系列文章

时空序列预测问题解释

• 一、什么是时空序列问题？这类问题主要应用了哪些模型？主要应用在哪些领域？

循环神经网络方向（RNN）

• 二、Convolutional LSTM Network（ConvLSTM）模型

• 三、PredRNN模型（用ST-LSTM的预测学习循环神经网络）

• 四、PredRNN++模型（旨在解决时空预测的深层次时间困境）

• 五、Memory In Memory（MIM）模型（学习高阶非平稳特征信息）

• 六、EIDETIC 3D LSTM（E3D-LSTM）（结合3DConv与RNN）

• 九、轨迹GRU模型

• 十、CubicLSTM模型

• 十一、LightNet模型

• 十三、Self-Attention ConvLSTM（自注意力机制的ConvLSTM）

• 十五、HPRNN模型

对抗生成网络方向（GAN）

• 七、GAN+LSTM，结合GAN的一种时空序列预测方法

• 十四、DGGAN模型

图神经网络方向（GCN）

• 八、STGCN 时空图卷积网络

• 十八、STSGCN模型

• 十九、Graph WaveNet模型

卷积神经网络方向（CNN）

• 十六、SE-ResUnet模型

• 十七、SmaAt-UNet模型

相关综述

• 十二、综述之视频预测Video Prediction

实战实践

• 详解时空序列常用数据集之MovingMnist数据集(demo代码)

• 风险时空预测？keras之ConvLSTM实战来搞定

• BDCI2020 路况状态时空预测赛道12th：用推荐系统挑战时间序列

未完待续...

杂谈

• 算法岗位真的需要顶会才能入场吗？

• 平凡程序员的一天

• 原来我不是卷王

• 2022届互联网求职现状，金9银10快变成铜9铁10！！

Pytorch深度学习框架

DL知识拾贝

• Pytorch版本第一篇：激活函数大汇总

• Pytorch版本第二篇：损失函数大汇总

• Pytorch版本第三篇：优化器大汇总

• Pytorch版本第四篇：如何调整学习率

PyTorch修炼

• 一、安装GPU的pytorch详细教程(避坑)

• 二、带你详细了解并使用Dataset以及DataLoader

• 三、先做减法，具体例子带你了解torch使用的基本套路（简单分类和时间序列预测小例子）

• 未完待续...

TensorFlow深度学习框架

• 卷积神经网络CNN入门实战-cifar10数据集（tensorboard可视化）

• 完美解决 pip3 install tensorflow 没有models库，读取PTB数据

• 迁移学习实战--卷积神经网络CNN-Inception-v3模型

• 对图片数据的预处理二、画标注框，预处理完整框架

• 对图片数据的预处理一、-编码解码调整大小色彩亮度

• TensorFlow实现K近邻算法预测房屋价格

异常检测

• 一、异常检测与诊断模型之DeepLog

• 二、异常检测与诊断模型之AutoPerf

• 三、动态图异常检测模型之AddGraph

• 四、数据流上的鲁棒随机切割树

• DAGMM：结合深度自编码器器和GMM的端到端无监督网络（一）：论文解读

• DAGMM：结合深度自编码器器和GMM的端到端无监督网络（二）：代码实战（PyTorch）

未完待续...

图神经网络

• 一、数学基础篇

• 二、GCN-1（谱图卷积 spectral GNN）

• 三、GCN-2（ChebyNet）

• 四、GCN-3（semi-GCN）

• 五、GraphSAGE

未完待续...

数据科学

• 机器学习三剑客之Numpy常用用法总结

• 机器学习三剑客之Pandas常用用法总结上

• 机器学习三剑客之Pandas常用用法总结下

• 机器学习三剑客之Matplotlib常用用法总结上

• Pandas三种实现数据透视表的方法

• Pandas如何进行内存优化和数据加速读取（附代码详解）

• array, list, tensor，Dataframe，Series之间互相转换总结

• matplotlib画图之双y轴公用一个x轴且x轴等间隔显示值并存储图片到本地

• 平时数据处理过程中遇到的一些点~

计算机基础

基础知识整理

• 并发与并行，进程、线程与协程， 同步与异步，阻塞与非阻塞

数据结构

• 排序

• 队列、栈、链表

• 枚举

• 深度优先搜索（Depth First Search，DFS ）

• 复杂链表的复制 -python

• 从尾到头打印链表 -python

• 调整数组顺序使奇数位于偶数前面 -python

随笔

python自动化

• python3利用SMTP进行邮件Email自主发送

• python中对Excel进行写入操作，写入一列或者一行

• 读取文件夹中所有文本数据，并用open打开单个数据进行处理最终输出.csv文件

• 在云服务器上托管执行自己的python3工程程序

环境配置相关

• 本地ssh远程连接服务器并启用远程的jupyter lab并配置好anaconda环境

• Linux下安装opencv3.4.3

其他

• 不要再暴力关机了，讲讲我最近遇到的问题和完美解决方案

• 利用graphviz来画trace或者graph的图

• 总结平时工作中对于git常用的一些点

经验分享

互联网求职

• 焦虑，不知所措，努力应对，坦然，双非本硕求职算法的故事

• 我的数据挖掘竞赛之路及秋招总结

• 鹅厂机器学习岗暑期实习面经总结

• 从小小白到小白的上岸之路（腾讯、美团暑期实习）

• 半路出身、终去鹅厂算法岗, 总结、分析踩过的坑

• 算法小白出师记之我的秋招之路

考研

• 考研、从杭电到清华、努力、规划、踏实、自律

• 学长，我也想考清华！

真实故事

• 来自一个在央企工作普普通通年轻人的自述

• 认真选择不等于犹豫不决。

个人经历

• 高考失利之后，属于我的大学本科四年

• 分享一些平时听的乐队~

• 致考研

• 假若重新度过大学四年。。

• 2018一瞬即逝，奋斗的日子也需要停下来，总结反思，2019也许不会更好，但不会差。

• 2019年的个人总结和2020年的一些展望

• 2020总结：自己像变了一个人

公众号：AI蜗牛车

保持谦逊、保持自律、保持进步

发送【蜗牛】获取一份《手把手AI项目》（AI蜗牛车著）
发送【1222】获取一份不错的leetcode刷题笔记
发送【wx】加好友空闲时唠唠嗑~
题外话：
目前正在维护一个github库，欢迎来看看，给个star~
https://github.com/chehongshu/Artificial-intelligence-diamond-chinese
整理的意义和名字一样
全中文的人工智能教程和资料，只选“精品”，如“钻石”般精致。