ML、DL、NLP基础知识怎么补？

你想看基础的李宏毅老师的课可能也就前几章的比较有用，而且他的讲义和最新的research贴的很紧，我觉得最好的方式就是你对他聊的东西有一定了解了，之后再听，就发觉哦，这个知识点和我的以前的认识有差异了。 一般面试还真就是面八股文那些个问题。ml，dl的零碎东西太多了，其实只是为了对付面试，最快的就是把八股文上面的问题自己一个个上网查，之后做成笔记，之后看到同样的东西有人提了不同的知识点就再回来补充笔记。每天抽出两三个小时做笔记按照八股文那些问题找答案， 这样两个月，差不多每个点就可以来回梳理两三次了。kaggle里很多notes book， medium， towardsdatascience 那些tech blog都是不错的source，之后基础打得差不多了，就是开始看各大厂自己的tech blog看他们实际的应用例子了。 说实在话，research和实际应用还是离得挺远的。

artificertxj1 发表于 2022-2-23 09:45
你想看基础的李宏毅老师的课可能也就前几章的比较有用，而且他的讲义和最新的research贴的很紧，我觉得最好 ...

非常中肯的建议！谢谢~~

luminarist 发表于 2022-2-23 00:46
理论部分在B站上搜索“机器学习-白板推导系列”。一些理论知识推导的很详细

已收藏 谢谢！

XJLLLI 发表于 2022-2-23 02:05
请问下楼主ms好找相关工作吗

这个问题我不太能回答 因为我还没毕业呀

information theory: witten 的A Mini-Introduction To Information Theory 的前10页
stats：Harvard 110
linear algebra： MIT 1806
我司面试好像很少考fancy的算法，反倒全是这些基础的，但是会考的比较深

同有个疑问 比如 第一资本 DS 招需要ML 经验的 ，但是就算上了课 实际工作确实接触不到ML的机会，那面试ML还是很容易就露馅了吧 怎么破这个死结？

20220202 发表于 2022-2-22 23:19
除非面试中文，不建议通过中文学习。Andrew Ng 的ML入门可以了，DL specialization 系列也不错

同意。Coursera 那个 DL specialization 过去一年内也更新了, 加入了 Transformer 的内容；透过它要理解最新的 research 是不可能的，但对打好基础非常有用

yyz20002008 发表于 2022-2-23 12:57
同有个疑问 比如 第一资本 DS 招需要ML 经验的 ，但是就算上了课 实际工作确实接触不到ML的机会，那面试ML ...

现在想获得DS相关知识和介绍，网上的博客，知乎的论文详解，油管的公开课视频，各大公司自己的tech blog系统详解不胜枚举。想要实战的话，去kaggle找几份数据，下载下来自己花时间试一试自己的实践水平。这么多能够轻松获取的免费学习资料都不肯坐下来静心点开一份资料看一看，也许你内心不是特别想要这份工作。

强推斋藤康毅《深度学习入门》和《深度学习进阶》，我认为同类型书中很难有出其右的作品了。这本书的特点是仅使用numpy库实现深度学习的算法，从底层原理撸一遍会对这些知识有更深入的了解。

artificertxj1 发表于 2022-2-23 09:45
你想看基础的李宏毅老师的课可能也就前几章的比较有用，而且他的讲义和最新的research贴的很紧，我觉得最好 ...

弱弱问一下，八股文是什么东西？