ygbm / ml-nlp

此项目是机器学习、NLP面试中常考到的知识点，也是作为一个算法工程师必会的理论基础知识。

项目介绍

• 此项目是机器学习、NLP面试中常考到的知识点，也是作为一个算法工程师必会的理论基础知识。
• 既然是以面试为主要目的，亦不可以篇概全，请谅解，有问题可提出。
• 此项目以各个模块为切入点，让大家有一个清晰的知识体系。
• 此项目亦可拿来常读、常记以及面试时复习之用。
• 有意向一起完成此项目或者有问题、有补充的可以加入NLP面试学习群【541954936】

---

目录

模块	章节	负责人(GitHub)	联系QQ
机器学习	1. 线性回归(Liner Regression)	@mantchs	448966528
机器学习	2. 逻辑回归(Logistics Regression)	@mantchs	448966528
机器学习	3. 决策树(Desision Tree)	@mantchs	448966528
机器学习	3.1 随机森林(Random Forest)
机器学习	3.2 梯度提升决策树(GBDT)
机器学习	3.3 XGBoost
机器学习	3.4 LightGBM
机器学习	4. 支持向量机(SVM)
机器学习	5. 贝叶斯网络(Bayesian network)
机器学习	5.1 朴素贝叶斯
机器学习	6. 隐马尔科夫模型(HMM)
机器学习	7. 主题模型(Topic Model)
机器学习	7.1 LDA
深度学习	8.神经网络(Neural Network)
深度学习	9. 卷积神经网络(CNN)
深度学习	10. 循环神经网络(RNN)
深度学习	10.1 门控循环单元(GRU)
深度学习	10.2 长短期记忆(LSTM)
NLP	11. 自然语言处理(NLP)
NLP	11.1 词嵌入(Word2Vec)
NLP	11.2 子词嵌入(fastText)
NLP	11.3 全局向量词嵌入(GloVe)
NLP	11.4 textCNN
NLP	11.5 序列到序列模型(seq2seq)
NLP	11.6 注意力机制(Attention Mechanism)
NLP	11.7 BERT模型

欢迎大家加入！共同完善此项目！