知识点罗列（复习时间节点）

机器学习及算法相关：

神经网络常用模型：

RNN系列, CNN系列，attention系列, CRF等序列标注, Tensor Network与ABCNN一系列match模型；

概率语言模型：

高斯, LDA, Random walk, Word2vec, Glove, Fasttext, Deepwalk, LINE, Node2vec等一类概率模型以及采样方法(Gibbs sampling,负采样)等；

常用机器学习模型：

树形结构（C4.5, ID3）, SVM; EM; RF, Adaboost, GBDT, Xgboost, LightGBM等集成模型；bagging，stacking, boosting 等模型集成**；

数据结构基本算法：

链表操作，排序，查找，树，图，动态规划，贪心算法，网络流；

最优化理论：

线搜索准则，SGD, 牛顿法，拟牛顿法(BGFS，DFP)，共轭梯度，KKT条件，凸函数性质等；

矩阵操作：

特征分解，奇异分解，矩阵正定性，矩阵求导等；

机器学习基本理论：

常用损失函数(绝对值，平方，对数，指数，最大间隔Hinge等)，常用评价指标(Percision, Recall, Acc, F1, RMSE, NMI, AUC, MAP, MRR, nDCG等)，常用解决过拟合方法(正则化，数据增强，dropout等)，VC维理论，信息熵理论；

图谱理论延伸算法：

频繁模型发现FPTree，子图匹配VF2等，社区挖掘，图数据库Neo4j ;

NLP重点任务：

NLP近年来papers中主要任务(机器翻译，对话系统，知识图谱，阅读理解，关系抽取)重点模型；刷过的论文梳理核心知识点梳理；

其他前沿技术：

强化学习RL, 生成对抗网络GAN；

计算机系统及编程相关：

编程知识：

Python 基本编程知识，Linux常用操作，Tensorflow 常用编程知识；

数据库及分布式：

关系型数据库，图数据库，Nosql, Hadoop Family(Hbase，Hive, Map-reduce), Spark， Kafka;

操作系统相关知识：

进程，线程，并行，并发，文件系统常用算法，Redis等分布式缓存机制；

lucien-qiang / knowledge_guide Goto Github PK

knowledge_guide's Introduction

知识点罗列（复习时间节点）

机器学习及算法相关：

神经网络常用模型：

概率语言模型：

常用机器学习模型：

数据结构基本算法：

最优化理论：

矩阵操作：

机器学习基本理论：

图谱理论延伸算法：

推荐系统算法：

NLP重点任务：

其他前沿技术：

计算机系统及编程相关：

编程知识：

数据库及分布式：

操作系统相关知识：

网络原理基本知识；

leetcode

数组

链表

树

字符串

哈希表

队列，堆，栈

动态规划

数学

查找

排序

图 (下学期)

贪心 （下学期）

分治 （下学期）

knowledge_guide's People

Contributors

Watchers

Recommend Projects

Recommend Topics

Recommend Org

贪心（下学期）

分治（下学期）