鱼羊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
一年一度的秋招已经悄悄来临，征战在求职路上的你，准备好了吗？
工欲善其事，必先利其器。
这里有一份NLP面试大全，全中文教学，囊括机器学习及NLP算法面试中常考的知识点，还有算法实战代码，实乃算法工程师求职路上，必备良品。
宜入门，亦宜复习。还登上了GitHub趋势榜。
学习目录
这份学习资料分为机器学习、深度学习和NLP三个部分。
机器学习有16节：
深度学习有8节：
NLP有8节：
都是由浅入深，干货十足。
事不宜迟，一起来看看具体该如何食用这份学习大餐吧。
以机器学习的第一节线性回归为例。
在每一节的一开始都有该节的内容目录，详尽列举了这一节中都有哪些知识点，新手可以按部就班地学习，而倘若你只是想在面试开始前再巩固一下知识点，就可以哪里不熟点哪里了。
基础到什么是线性、非线性：
进一步到损失函数如何计算，过拟合、欠拟合如何解决：
再到应用场景：
没有多余的废话，尽是知识要点。拿着这样一份重点笔记有针对性地学习、复习，岂不爽哉？
光看理论记不住？放心，每一节的文末都有配套的课后习题，边学边练，事半功倍。
课后习题不仅包括题目、数据和代码实现，项目作者还结合自身的经验，把整个解题的思路完整呈现了出来，可以参考学习。
比如机器学习入门中的经典题房价预测。
题目是：
从给定的房屋基本信息以及房屋销售信息等，建立一个回归模型预测房屋的销售价格。
测试数据主要包括3000条记录，13个字段，跟训练数据不同的是测试数据并不包括房屋销售价格，学员需要通过由训练数据所建立的模型以及所给的测试数据，得出测试数据相应的房屋销售价格预测。
脑子一团浆糊不知道从何着手？
可以参考一下作者的思路：
1、选择合适的模型，比如这里，选择多元线性回归模型。
2、对缺失的值进行补齐操作，可以使用均值的方式补齐数据，使得准确度更高。
3、数据的取值一般跟属性有关，为了提高预测的准确度，需统一数据维度进行计算，方法有特征缩放和归一法等。
#读取数据
housing = pd.read_csv('kc_train.csv')
target=pd.read_csv('kc_train2.csv') #销售价格
t=pd.read_csv('kc_test.csv') #测试数据
#数据预处理
housing.info() #查看是否有缺失值
#特征缩放
from sklearn.preprocessing import MinMaxScaler
minmax_scaler=MinMaxScaler()
minmax_scaler.fit(housing) #进行内部拟合，内部参数会发生变化
scaler_housing=minmax_scaler.transform(housing)
scaler_housing=pd.DataFrame(scaler_housing,columns=housing.columns)4、调用模型库进行训练。
#选择基于梯度下降的线性回归模型
from sklearn.linear_model import LinearRegression
LR_reg=LinearRegression()
#进行拟合
LR_reg.fit(scaler_housing,target)
#使用均方误差用于评价模型好坏
from sklearn.metrics import mean_squared_error
preds=LR_reg.predict(scaler_housing) #输入数据进行预测得到结果
mse=mean_squared_error(preds,target) #使用均方误差来评价模型好坏，可以输出mse进行查看评价值
#绘图进行比较
plot.figure(figsize=(10,7)) #画布大小
num=100
x=np.arange(1,num+1) #取100个点进行比较
plot.plot(x,target[:num],label='target') #目标取值
plot.plot(x,preds[:num],label='preds') #预测取值
plot.legend(loc='upper right') #线条显示位置
plot.show()5、使用测试数据进行目标函数预测输出，观察结果是否符合预期。或者通过画出对比函数进行结果线条对比。
当然，最后都会附上参考答案。
NLP部分也是一样的节奏，比如全局向量词嵌入（GloVe）。
先说明概念：
GloVe的全称叫Global Vectors for Word Representation，它是一个基于全局词频统计（count-based & overall statistics）的词表征（word representation）工具，它可以把一个单词表达成一个由实数组成的向量，这些向量捕捉到了单词之间一些语义特性，比如相似性（similarity）、类比性（analogy）等。我们通过对向量的运算，比如欧几里得距离或者cosine相似度，可以计算出两个单词之间的语义相似性。
再详述实现步骤：
1、构建共现矩阵。
2、词向量和共现矩阵的近似关系。
3、构造损失函数。
4、训练GloVe模型。
还分析了一番GloVe与LSA（Latent Semantic Analysis，潜在语义分析）、Word2Vec（词嵌入）的比较。
LSA（Latent Semantic Analysis）是一种比较早的count-based的词向量表征工具，它也是基于co-occurance matrix的，只不过采用了基于奇异值分解（SVD）的矩阵分解技术对大矩阵进行降维，而我们知道SVD的复杂度是很高的，所以它的计算代价比较大。还有一点是它对所有单词的统计权重都是一致的。而这些缺点在GloVe中被一一克服了。
而word2vec最大的缺点则是没有充分利用所有的语料，所以GloVe其实是把两者的优点结合了起来。从这篇论文给出的实验结果来看，GloVe的性能是远超LSA和word2vec的，但网上也有人说GloVe和word2vec实际表现其实差不多。
最后，还是附上代码实现。
One More Thing
面向面试，重点明确，这份资源实在火。连外国友人都来求英文版了。
虽然有部分章节还在施工中，还是很值得Mark一下啊～
传送门：
作者系网易新闻·网易号“各有态度”签约作者
— 完 —
榜单征集！三大奖项，锁定AI Top玩家
AI社群 | 与优秀的人交流
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「好看」吧 !
转载：https://blog.csdn.net/QbitAI/article/details/101324998