演算法/NLP/深度學習/機器學習面試筆記
深度學習/機器學習面試問題整理，想法來源於這個倉庫.
- 該倉庫整理了“花書”《深度學習》中的一些常見問題，其中部分偏理論的問題沒有收錄，如有需要可以瀏覽原倉庫。
此外，還包括我看到的所有機器學習/深度學習面經中的問題。除了其中 DL/ML 相關的，其他與演算法崗相關的計算機知識也會記錄。
但是不會包括如前端/測試/JAVA/Android等崗位中有關的問題。
RoadMap
必備清單 TODO
歡迎分享你在深度學習/機器學習面試過程中遇見的問題！
你可以直接以你遇到的問題作為 issue 標題，然後分享你的回答或者其他參考資料。
當然，你也可以直接建立 PR，分享問題的同時改正我的錯誤！
我會經常修改文件的結構（特別是程式碼的連結）。如果文中有連結失效，請告訴我！
文件中大部分連結都是指向倉庫內的檔案或標記；涉及程式設計程式碼的連結會指向我的另一個倉庫（Algorithm_for_Interview）
Reference
相關推薦
演算法/NLP/深度學習/機器學習面試筆記
深度學習/機器學習面試問題整理，想法來源於這個倉庫. - 該倉庫整理了“花書”《深度學習》中的一些常見問題，其中部分偏理論的問題沒有收錄，如有需要可以瀏覽原倉庫。 此外，還包括我看到的所有機器學習/深度學習面經中的問題。除了其中 DL/ML 相關的，其他
深度學習機器學習面試問題準備（必會）
第一部分：深度學習 1、神經網路基礎問題 （1）Backpropagation（要能推倒） 後向傳播是在求解損失函式L對引數w求導時候用到的方法，目的是通過鏈式法則對引數進行一層一層的求導。這裡重點強調：要將引數進行隨機初始化而不是全部置0，否則所有隱層的數值都會與輸入
【ML學習筆記】樸素貝葉斯演算法的demo（機器學習實戰例子）
礙於這學期課程的緊迫，現在需要儘快從課本上掌握一些ML演算法，我本不想經過danger zone，現在看來卻只能儘快進入danger zone，數學理論上的缺陷只能後面找時間彌補了。 如果你在讀這篇文章，希望你不要走像我一樣的道路，此舉實在是出於無奈，儘量不要去做一個心
【演算法比賽】主流機器學習/深度學習模型程式碼模板
摘要 最近又開始混亂且忙碌的科研學習，雙十一過後，錢包空了，就再不想買買買了，打比賽的議程又提上來了，首先給大家分享兩個非常非常非常好的repo，昨天晚上才發現的，又請教了一個博士點經驗，踏踏實實準備，浮躁的心就能沉澱下來～ 一定要多交流多交流，演算法崗沒有想
面試筆試整理3：深度學習機器學習面試問題準備（必會）
第一部分：深度學習 1、神經網路基礎問題 （1）Backpropagation（要能推倒） 後向傳播是在求解損失函式L對引數w求導時候用到的方法，目的是通過鏈式法則對引數進行一層一層的求導。這裡重點強調：要將引數進行隨機初始化而不是全部置0，否則所
轉載-深度學習與NLP 深度學習|機器學習|人工智慧 精品視訊教程合集分享
原文地址 寫 在 前 面 深度學習與NLP是一個專注分享深度學習技術、NLP領域技術、資訊的專業平臺，到目前為止，我們已經分享了20期有關深度學習、NLP、機器翻譯等視訊教程或視訊資源。為了方便大家選擇合適自己需求的課程學習，這裡對往期分享的視訊資源做了整理
[機器學習]機器學習筆記整理08- SVM演算法原理及實現
<html> 1 背景 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出 目前的版本(so
深度學習-機器學習 第一篇
樸素 記錄 前置聲明 3.6 box 信息 郵件內容 data 最大 簡介 前置聲明:本專欄的所有文章皆為本人學習時所做筆記而整理成篇,轉載需授權且需註明文章來源,禁止商業用途,僅供學習交流.(歡迎大家提供寶貴的意見,共同進步) 正文: 機器學習,顧名思義,就是研究計算機如
深度學習——機器學習策略（2）
語音識別 peak 分類器 9.png 場景 end 射線 erro 完成 1. 誤差分析manual error analysis 對學習的結果進行人工誤差分析。 例：貓的分類器 比如train結果的正確率為90%（10%的誤差），對結果進行人工分析，如果發現有些狗被識別
小白python學習——機器學習篇——樸素貝葉斯演算法
一.大概思路： 1.找出資料集合，所有一個單詞的集合，不重複，各個文件。 2.把每個文件換成0,1模型，出現的是1，就可以得到矩陣長度一樣的各個文件。 3.計算出3個概率，一是侮辱性的文件概率，二是侮辱性文件中各個詞出現的概率，三是非侮辱性文件中各個詞出現的概率。 4.二、三計算方法
小白python學習——機器學習篇——k-近鄰演算法（KNN演算法）
一、演算法理解 一般給你一資料集，作為該題目的資料（一個矩陣，每一行是所有特徵），而且每一組資料都是分了類，然後給你一個數據，讓這個你預測這組資料屬於什麼類別。你需要對資料集進行處理，如：歸一化數值。處理後可以用matplotlib繪製出影象，一般選兩個特徵繪製x，y軸，然後核心是計算出預測點到
吳恩達機器學習 - 無監督學習——K-means演算法 吳恩達機器學習 - 無監督學習——K-means演算法
原 吳恩達機器學習 - 無監督學習——K-means演算法 2018年06月25日 12:02:37 離殤灬孤狼 閱讀數：181
吳恩達機器學習 - 神經網路的反向傳播演算法 吳恩達機器學習 - 神經網路的反向傳播演算法
原 吳恩達機器學習 - 神經網路的反向傳播演算法 2018年06月21日 20:59:35 離殤灬孤狼 閱讀數：373
機器學習演算法一覽表 附上opencv機器學習模組
機器學習演算法一覽表(中英對照) 中文表 英文表 2) opencv的ml模組包含了如下的機器學習演算法(opencv2.4.11) opencv是比較流行的計算機視覺庫，集成了很多優秀機器學習演算法 #define CV_TYPE_NAME_ML_
系統學習機器學習之總結（二）--機器學習演算法比較
轉自：https://blog.csdn.net/bryan__/article/details/52026214 其實這篇文章真正出處來自：csuldw 本文主要回顧下幾個常用演算法的適應場景及其優缺點！ 機器學習演算法太多了，分類、迴歸、聚類、推薦、影象識別領域等等，要想找到一個合適演算
系統學習機器學習之總結（一）--常見分類演算法優缺點
主要是參考網上各種資源，做了整理。其實，這裡更多的是從基礎版本對比，真正使用的時候，看資料，看改進後的演算法。 1. 五大流派 ①符號主義：使用符號、規則和邏輯來表徵知識和進行邏輯推理，最喜歡的演算法是：規則和決策樹 ②貝葉斯派：獲取發生的可能性來進行概率推理，最喜歡的演算法是：樸素貝葉
個人學習機器學習筆記--
1. X = X[y != 0, :2] 逗號是分割行與列，y != 0在行的位置，表示行不取y = 0 的所有行，而:2在列的位置，說明列取0到2的列（不包括2）， 所以就是不取y=0的所有第0列與第1列 2.numpy.random.perm
【讀書1】【2017】MATLAB與深度學習——機器學習的型別(1)
正確的輸出是模型對於給定的輸入應該產生的結果。 The correct output is what the model issupposed to produce for the given input. {輸入，正確的輸出} { input, corr
【深度學習-機器學習】分類度量指標 : 正確率、召回率、靈敏度、特異度，ROC曲線、AUC等
在分類任務中，人們總是喜歡基於錯誤率來衡量分類器任務的成功程度。錯誤率指的是在所有測試樣例中錯分的樣例比例。實際上，這樣的度量錯誤掩蓋了樣例如何被分錯的事實。在機器學習中，有一個普遍適用的稱為混淆矩陣(confusion matrix)的工具，它可以幫助人們更好地瞭解
要學習機器學習，先從這十大演算法開始吧
本文介紹了機器學習新手需要了解的 10 大演算法，包括線性迴歸、Logistic 迴歸、樸素貝葉斯、K 近鄰演算法等。 在機器學習中，有一種叫做「沒有免費的午餐」的定理。簡而言之，它指出沒有任何一種演算法對所有問題都有效，在監督學習（即預測建模）中尤其如此。 例如，你不能說神經