Что это такое?
Тщательно отобранная структурированная коллекция знаний по машинному обучению, глубокому обучению и NLP для подготовки к собеседованиям, с примерами кода, организованная по главам (от линейной регрессии до BERT и XLNet).
Тщательно отобранная структурированная коллекция знаний по машинному обучению, глубокому обучению и NLP для подготовки к собеседованиям, с примерами кода, организованная по главам (от линейной регрессии до BERT и XLNet).Это учебник, справочный список или рабочий код?И то, и другое: каждая глава объясняет концепцию как теорию для подготовки к собеседованию и заканчивается запускаемым примером кода, в основном в виде Jupyter Notebook.
И то, и другое: каждая глава объясняет концепцию как теорию для подготовки к собеседованию и заканчивается запускаемым примером кода, в основном в виде Jupyter Notebook.Как устроено содержание и с чего начать?Содержание представлено в виде таблицы глав, сгруппированных в три модуля: «Машинное обучение», «Глубокое обучение» и «NLP». Материал идёт от основ (линейная и логистическая регрессия) к продвинутым темам (Transformer, BERT, XLNet), поэтому новичку стоит начать с главы 1 и двигаться по порядку.
Содержание представлено в виде таблицы глав, сгруппированных в три модуля: «Машинное обучение», «Глубокое обучение» и «NLP». Материал идёт от основ (линейная и логистическая регрессия) к продвинутым темам (Transformer, BERT, XLNet), поэтому новичку стоит начать с главы 1 и двигаться по порядку.Нужно ли что-то устанавливать, чтобы это читать?Для чтения описаний никакие специальные инструменты не нужны, но для запуска примеров кода потребуется среда Jupyter Notebook с библиотеками Python для машинного обучения.
Для чтения описаний никакие специальные инструменты не нужны, но для запуска примеров кода потребуется среда Jupyter Notebook с библиотеками Python для машинного обучения.Материал полный и продолжает обновляться?Проект явно находится в процессе разработки: некоторые главы (например, о графе знаний и анализе комментариев) ещё не заполнены, а сам проект не претендует на полноту, так как ориентирован на подготовку к собеседованиям.
Проект явно находится в процессе разработки: некоторые главы (например, о графе знаний и анализе комментариев) ещё не заполнены, а сам проект не претендует на полноту, так как ориентирован на подготовку к собеседованиям.Какие темы охватывает раздел по машинному обучению?Линейная и логистическая регрессия, деревья решений, случайный лес, GBDT, XGBoost, LightGBM, SVM, вероятностные графические модели (байесовские сети, марковские модели, тематические модели), EM, кластеризация, конструирование признаков и KNN.
Линейная и логистическая регрессия, деревья решений, случайный лес, GBDT, XGBoost, LightGBM, SVM, вероятностные графические модели (байесовские сети, марковские модели, тематические модели), EM, кластеризация, конструирование признаков и KNN.Какие темы охватывает раздел по глубокому обучению?Нейронные сети, CNN, RNN, GRU, LSTM, трансферное обучение, обучение с подкреплением и многозадачное обучение, а также методы оптимизации в глубоком обучении.
Нейронные сети, CNN, RNN, GRU, LSTM, трансферное обучение, обучение с подкреплением и многозадачное обучение, а также методы оптимизации в глубоком обучении.Какие темы NLP включены?Векторные представления слов (Word2Vec, fastText, GloVe), textRNN и textCNN, seq2seq, механизмы внимания, Transformer, BERT и XLNet.
Векторные представления слов (Word2Vec, fastText, GloVe), textRNN и textCNN, seq2seq, механизмы внимания, Transformer, BERT и XLNet.Есть ли прикладные примеры проектов, помимо чистой теории?Да, есть проектные главы о системах рекомендаций и интеллектуальном клиентском сервисе. Главы о графе знаний и анализе комментариев запланированы, но пока не заполнены.
Да, есть проектные главы о системах рекомендаций и интеллектуальном клиентском сервисе. Главы о графе знаний и анализе комментариев запланированы, но пока не заполнены.What are similar projects?autumn-recruitment, DeepLearning, GNNPapers, leedl-tutorial, funNLP, llm_interview_note, machine-learning-notes, pytorch-handbook
autumn-recruitment, DeepLearning, GNNPapers, leedl-tutorial, funNLP, llm_interview_note, machine-learning-notes, pytorch-handbookWhich topics is it in?recommendation-system, bert, knowledge-graph, natural-language-processing, interview, algorithms, jupyter notebook, academic-research, transformer, nlp, learning-resources, china
recommendation-system, bert, knowledge-graph, natural-language-processing, interview, algorithms, jupyter notebook, academic-research, transformer, nlp, learning-resources, china