周末推荐一下老宋同学整理的Github项目:songyingxin/NLPer-Interview ,该仓库主要记录 NLP 算法工程师相关的面试题: https://github.com/songyingxin/NLPer-Interview 老宋目前是百度算法工程师,也是知乎老宋的茶书会专栏作者,以下主要来自老宋对该仓库的描述,点击"阅读原文"直达该仓库主页面,推荐Star,内容相当丰富。 本仓库主要记录本人对 NLP 相关知识的积累,之前笔记做的很多,考虑到秋招已至, 在复习的过程中, 慢慢将这些知识屡清楚,然后将相关的知识笔记整理成专题,来帮助我更好的复习。 同时,开源出来,希望大家能帮助我补一补相关的技术栈,看看我哪方面比较弱,同时也帮助诸位秋招中的伙伴更好的复习。如果希望一起做的同学,可以联系我, 毕竟一个人做这么多,的确有点难,还好我前期笔记做的比较全。 推荐使用 Typora 编辑器打开, 所见即所得。 Contents1. 编程语言基础该文件夹下主要记录 python 和 c 的一些语言细节, 毕竟这两大语言是主流,基本是都要会的,目前还在查缺补漏中。
2. 数学基础该文件夹下主要记录一些数学相关的知识,包括高数,线性代数,概率论与信息论, 老宋亲身经历,会问到, 目前尚在查缺补漏中。
3. 计算机基础理论知识这部分内容一般不怎么考,因此,没有把重心放在上面,至少现在几乎没有遇到问这方面的, 有意思的是,投了阿里某部的NLP算法,居然来了个不懂NLP的来面,全程真的瞎聊,全是开发。 4. 机器学习基础这部分已经开始进入正题了,事实证明,部分大厂会提及一些基础的机器学习算法知识,因此,这部分我觉得几个核心的模型是要会的。
5. 深度学习基础这部分主要讲述深度学习方面的基础知识,是核心点,但很多情况下,很多面试官的题基本差不多,不过我个人觉得,有这种全局的,全面的知识框架是有益的。
5.1 基础理论部分
5.2 基本单元
5.3 调参相关
5.4 Tricks
6. 统计自然语言处理这部分前期的笔记做的不多,因此还没怎么开始。 7. 深度学习自然语言处理这部分算是核心的知识了,这部分还需要逐渐完善,时间有点紧啊。
7.1 词向量三部曲
7.2 预训练语言模型
7.3 Attention 机制7.4 文本分类7.5 语义匹配7.6 阅读理解8. 源码阅读这部分主要推荐一些自己阅读过的一些源码,有些源码是 NLP 相关, 有些是深度学习相关的,部分源码我个人有做注释,会相应的列出来。 9 . 老宋渣渣算法面经这部分主要是自己面试过程中的一些感悟, 哎, 快面到自闭了。 Reference[1] DeepLearning-500-questions -- 一个很好的仓库 [2] Algorithm_Interview_Notes-Chinese -- 知识比较旧了,但也很好 其他主要是自己的日常积累和看的论文。 关于AINLP AINLP 是一个有趣有AI的自然语言处理社区,专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享,主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等,欢迎关注!加技术交流群请添加AINLPer(id:ainlper),备注工作/研究方向 加群目的。 |
|