AI Rank
EN
← 开源
wangyuGithub01

Machine_Learning_Resources

:fish::fish::fish: 机器学习面试复习资源

TutorialsInterview guide
在 GitHub 打开
增长势头
+024 小时新增 Star0.0%
1.24k
Star
179
Fork
+0
本周
1
贡献者
创建于 2019-02-28 · 更新于 2026-10-08 · 今日第 11001 名
主要开发者
wangyuGithub01

wangyuGithub01/Machine_Learning_Resources 排名第 11,001，有 1,242 个星标。

同类别比较

wangyuGithub01/Machine_Learning_Resources 排名第 11,001，此处有 8 个同类条目；samwit/llm-tutorials 排名第 11,000。

同类别比较
名称排名指标
zhanggyb/nndl10,973
语言:
TeX
星标数:
1,248
分叉数:
335
简介:
Another Chinese Translation of Neural Networks and Deep Learning
dreddnafious/thereisnospoon10,980
语言:
Python
星标数:
1,246
分叉数:
95
简介:
A machine learning primer built from first principles. For engineers who want to reason about ML systems the way they reason about software systems.
doggy8088/github-copilot-configs10,994
星标数:
1,243
分叉数:
186
简介:
Will 保哥整理的最佳 GitHub Copilot 設定
samwit/llm-tutorials11,000
语言:
Jupyter Notebook
星标数:
1,242
分叉数:
312
简介:
A set of LLM Tutorials from my youtube channel
Hyperparticle/one-pixel-attack-keras11,008
语言:
Jupyter Notebook
星标数:
1,240
分叉数:
214
简介:
Keras implementation of "One pixel attack for fooling deep neural networks" using differential evolution on Cifar10 and ImageNet
mlbvn/ml-yearning-vi11,012
语言:
Python
星标数:
1,239
分叉数:
396
简介:
Một cuốn sách tập trung vào hướng dẫn cách cấu trúc các dự án Học Máy và phân tích cách làm cho các thuật toán Học Máy hoạt động.
dsgiitr/graph_nets11,025
语言:
Jupyter Notebook
星标数:
1,236
分叉数:
226
简介:
PyTorch Implementation and Explanation of Graph Representation Learning papers: DeepWalk, GCN, GraphSAGE, ChebNet & GAT.
campusx-official/ML-Roadmap-for-202211,030
星标数:
1,235
分叉数:
579
简介:
A curated list of Machine learning videos, links, projects and datasets to help you conquer the ML landscape in 6 months
关键参数与规格
关键参数与规格
参数值
类别Tutorials
子类别Interview guide
星标数1,242
分叉数179
贡献者1
创建日期2019-02-28
更新日期2026-10-08
1 天星标数0
7 天星标数0
排名11,001
上次排名10,964
排名变化-37
7 天星标排名12,845
上次 7 天星标排名12,867
7 天星标排名变化22
总星标排名9,436
上次总星标排名9,422
总星标排名变化-14
README 摘录

:point_right: 此repo主要是为了整理机器学习面试相关知识点的有用链接 （注：目前不打算将一些基础算法的内容加入这个repo里，比如LR、SVM算法在《统计学习方法》里已经得到了很好的解释，面试时可能考到

的手推公式在书里已经写的很好了，所以推荐直接看书即可。 ） 一、特征工程 （一）特征预处理 标准化、归一化、异常特征清洗、不平衡数据 不平衡数据的处理方法 （二）特征表达 缺失值、特殊特征(eg. （三）特征选

择 过滤法、包装法、嵌入法 Kaggle中的代码实战 二、算法基础 （一）评价指标 PR曲线和F1 & ROC曲线和AUC AUC & GAUC （二）正则项 正则化与数据先验分布的关系 L1在0点处不可导怎么办？ 可采用坐标轴下降、最小角回归

法 L1为什么比L2的解更稀疏 （三）损失函数 常见损失函数 常见损失函数2 （四）模型训练 经验误差与泛化误差、偏差与方差、欠拟合与过拟合、交叉验证 参数初始化为什么不能全零 深度学习参数初始

化 Lecunn、Xavier、He初始化 dropout Batch Normalization dropout和BN在训练&预测时有什么不同 Layer Normalization Transformer为什么用LN不用BN（LN和BN两者分别关注什么） ResNet （五）优化算法 梯度下降法、牛顿法和拟牛顿法 深度学习优化算法SGD、Momentum、Adagrad等 最大似

然估计 和 最大后验估计 最小二乘法 和 最大似然估计的对比联系 最大似然估计 和 EM 浅谈最优化问题的KKT条件 （六）其他知识点 先验概率 & 后验概率 MLE最大似然估计 & MAP最大后验估计 判别模型 vs 生

成模型 参数模型 vs 非参数模型 参数估计 最大似

常见问题

记录了多少星标和分叉？

wangyuGithub01/Machine_Learning_Resources 有 1,242 个星标和 179 个分叉。

仓库排名是多少？

wangyuGithub01/Machine_Learning_Resources 排名第 11,001。

哪个仓库排名最接近？

wangyuGithub01/Machine_Learning_Resources 与 samwit/llm-tutorials 比较，后者排名第 11,000，有 1,242 个星标。

README

:point_right: 此repo主要是为了整理机器学习面试相关知识点的有用链接 （注：目前不打算将一些基础算法的内容加入这个repo里，比如LR、SVM算法在《统计学习方法》里已经得到了很好的解释，面试时可能考到的手推公式在书里已经写的很好了，所以推荐直接看书即可。）

一、特征工程

（一）特征预处理

（二）特征表达

（三）特征选择

二、算法基础

（一）评价指标

（二）正则项

（三）损失函数

（四）模型训练

（五）优化算法

（六）其他知识点

三、机器学习算法

  1. 线性回归、逻辑回归、SVM
  1. 树模型
  1. 其他

四、NLP相关

五、推荐系统 & 计算广告 相关

六、推荐书籍/笔记/代码实现

七、推荐专栏

八、面试问题汇总

九、其他面试常考

十、C++相关

工作之后工程实践相关

排名相邻
同类项目