机器学习面试约300题系列--自己整理的网络资源方便大家打印

BAT机器学习面试1000题系列（仅前300题）__配合百面机器学习（这本书博主也有上传）一起食用，机器学习或人工智能博主还上传了很多必备资源，欢迎关注下载，祝大家都能找到满意的实习。

程序员面试宝典 + 剑指Offer + 算法100题系列 + 15个经典算法 PDF打包下载~ 小伙伴们都用这一套面试资料，妥妥的

2022考研真题系列-英语1 历年真题与详解

2022考研真题系列-数学1 历年真题与详解

2022考研真题系列-数学2 历年真题与详解

2022考研真题系列-数学3 历年真题与详解

本资源包含以下五个PDF文档，适合各位程序开发者查看，这几本书能够很好的帮助应聘程序开发的各位朋友。具体资料如下：《程序员面试宝典 欧立奇 第五版》、《程序员面试金典(第5版)》、《剑指offer》 名企面试官精讲典型编程题、100题系列by_July、十五个经典算法研究与总结by_July。超清的文档可私信博主，此外博主在置顶博客中记录了自己学习过程中遇到的问题，欢迎各位批评指正。与大家共进步！

本微软面试100题系列，共计11篇文章，300多道面试题，截取本blog索引性文章：程序员面试、算法研究、编程艺术、红黑树、数据挖掘5大系列集锦：http://blog.csdn.net/v_july_v/article/details/6543438，中的第一部分编辑而成，涵盖了数据结构、算法、海量数据处理等3大主题

BAT机器学习面试1000题系列 1 前言 1 BAT机器学习面试1000题系列 2 1 归一化为什么能提高梯度下降法求解最优解的速度？ 22 2 归一化有可能提高精度 22 3 归一化的类型 23 1）线性归一化 23 2）标准差标准化 23 3）非线性归一化 23 35. 什么是熵。机器学习 ML基础 易 27 熵的引入 27 3.1 无偏原则 29 56. 什么是卷积。深度学习 DL基础 易 38 池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n） 40 随机梯度下降 46 批量梯度下降 47 随机梯度下降 48 具体步骤： 50 引言 72 1. 深度有监督学习在计算机视觉领域的进展 73 1.1 图像分类（Image Classification） 73 1.2 图像检测（Image Dection） 73 1.3 图像分割（Semantic Segmentation） 74 1.4 图像标注–看图说话（Image Captioning） 75 1.5 图像生成–文字转图像（Image Generator） 76 2.强化学习（Reinforcement Learning） 77 3深度无监督学习（Deep Unsupervised Learning）–预测学习 78 3.1条件生成对抗网络（Conditional Generative Adversarial Nets，CGAN） 79 3.2 视频预测 82 4 总结 84 5 参考文献 84 一、从单层网络谈起 96 二、经典的RNN结构（N vs N） 97 三、N VS 1 100 四、1 VS N 100 五、N vs M 102 Recurrent Neural Networks 105 长期依赖（Long-Term Dependencies）问题 106 LSTM 网络 106 LSTM 的核心思想 107 逐步理解 LSTM 108 LSTM 的变体 109 结论 110 196. L1与L2范数。机器学习 ML基础 易 163 218. 梯度下降法的神经网络容易收敛到局部最优，为什么应用广泛？深度学习 DL基础 中 178 @李振华，https://www.zhihu.com/question/68109802/answer/262143638 179 219. 请比较下EM算法、HMM、CRF。机器学习 ML模型 中 179 223. Boosting和Bagging 181 224. 逻辑回归相关问题 182 225. 用贝叶斯机率说明Dropout的原理 183 227. 什么是共线性, 跟过拟合有什么关联? 184 共线性：多变量线性回归中，变量之间由于存在高度相关关系而使回归估计不准确。 184 共线性会造成冗余，导致过拟合。 184 解决方法：排除变量的相关性／加入权重正则。 184 勘误记 216 后记 219