ML-NLP

收录理由

这是一份为机器学习、深度学习和NLP面试量身打造的学习资料，也适合算法工程师日常巩固理论基础。内容覆盖了从线性回归、逻辑回归、决策树到提升方法、SVM、贝叶斯网络、聚类和EM算法等经典模型，接着深入神经网络、CNN/RNN/LSTM、迁移学习与强化学习，并延伸到词向量、seq2seq、注意力机制、Transformer、BERT和XLNet等NLP核心知识。每个章节都以面试中可能出现的提问方式组织内容，末尾附有可运行的代码示例，让理论不悬空。全书按模块梳理成清晰的知识体系，既能从头到尾系统阅读，也能在面试前快速定位薄弱环节。它是一份精心整理的参考手册，而非可直接部署的工具，但正是这种定位让它成为算法工程师复习知识广度的理想选择。