随手记下知识点 方便后面复习。
1、机器学习
Model(a set of function)、Goodness of Funtion、Best Function
LR相关的推导,与linear regression的对比
SVM
聚类算法
Gradient Descent
正则
偏差方差
Cost Function
bagging boosting
贝叶斯
2、深度学习
CBOW和skip-gram代码实现
梯度消失和梯度爆炸
激活函数
防过拟合的方法
BN
Attention
CNN的反向传播、为何自带防过拟合
一些经典论文阅读分析
3、推荐系统
推荐系统架构
推荐系统分类、评价标准
FM模型
DNN-based
embedding方法
矩阵分解
一些经典论文阅读分析
4、算法题
剑指offer
hashmap
排序算法
二叉树遍历
TopN
计算器
分糖果
接雨水
背包问题
蓄水池抽样
并查集
动态规划
dfs bfs
有环问题
反转