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。

分享一下我为什么可以获得ssp_第1张图片

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。

你可能感兴趣的:(算法,神经网络,编程语言,python,机器学习)