作为深度学习鄙视链的最底端,研究生阶段搞图像处理也是为了图容易,但是到找工作时候发现好难啊。
最近边复习边整理,方便自己回头再看,持续更新中。
我属于半瓶子不满就出来晃荡了,希望多包涵指正指正,也希望能帮到各位。
1、机器学习相关准备知识
1.0 感知机算法面试问题汇总
1.1 SVM算法面试问题汇总 (机器学习必考)
1.2 决策树算法面试问题汇总
1.3 逻辑回归(LR)算法面试问题汇总
1.4 KNN算法面试问题汇总
1.5 集成学习算法面试问题汇总
1.6 朴素贝叶斯算法面试问题汇总
2、深度学习相关准备知识
2.1 深度学习算法面试问题汇总
2.2 linux常用命令(面试考点)
3、编程相关准备知识(我用的C++)
3.1 set基本定义与使用
3.2 map基本定义与使用
3.3 vector数组基本定义与使用
3.4 string基本定义与使用
3.5 stack基本定义与使用
3.6 链表基本定义与使用
4、相关资料
1、首先《统计学习方法》和《机器学习》这两本书必须要有。我是先看的《统计学习方法》,然后看完一章后找题目再看看。这本书我觉得讲的比《机器学习》简单多了,公式都可以推导一下很多要考的。
2、北大这位大佬把《统计学习方法》以博客形式展现了出来,并且附有代码实现。我觉得可以作为书之外的辅助资料参考。https://www.pkudodo.com/
4、推荐一个可以看10年的github资料库,里面有超级超级多面经和算法资料
5、60k star 的算法总结:https://github.com/labuladong/fucking-algorithm