精华内容
下载资源
问答
  • 2021-10-25 17:47:44

    算法工程师,顾名思义,如果连算法都过不去,和低版后端工程师没什么区别。尽管工程师是基础,然后是算法,必要的基础开发技能不可或缺,但不同于工程岗位,还需要对算法理论有一些更高的理解。所以今天就来介绍一下作为算法工程师,我们需要具备哪些开发能力。

    开发技能
    可以简单的完成算法功能,比如一些简单的数据处理、文件操作、特色工程,复杂的是一些自动打标的方法。最好的考试方式其实是应届毕业生考试中的算法题。

    大数据技能
    如何通过分布式方法实现数据的离线处理,算法处理成千上万甚至更多的数据可以说是家常便饭。使用大数据可以加快数据处理。早期有mapreduce,现在的spark在hadoop生态下也很成熟。这些方法可以用来处理,可以大大提高处理效率。

    算法能力
    对于某些特定的任务,要逐步有比较完整的认识,一方面是有哪些常用的方法,各种方法的优缺点要比较了解,以命名实体识别为例,要了解CRF、BILSTM、BERT-BILSTM-CRF等常用玩法,每一种玩法的效果、性能、适用范围和改进空间,这些都是非常有用的。擅长一些稳定的任务后,开始了解更多的相关任务,开始升级,文本分类,文本相似度等等,开始慢慢了解。

    解决问题的能力。
    要成长,我们总是需要从点到面,从慢慢做一份工作的人,到一个能解决问题的人。比如以前有一个领导告诉我该怎么做,怎么做。现在我们应该升级为自己,想出一个适合全局,效果最好的方法。

    沉淀能力
    对于校招新人来说,工作本身就是成长,需要学会沉淀。这里的沉淀是指有一些自己的工作,可以抽象出来,以后可以用,可以有效提高以后的工作效率,所以很有用。

    更多相关内容
  • 我是如何成为算法工程师的,超详细的学习路线

    千次阅读 多人点赞 2021-06-23 18:39:07
    点击上方“计算机视觉工坊”,选择“星标”干货第一时间送达1前言各位十一过得如何?假期,我回了趟老家,文章停更了几天。写文章以来,被问到最多的问题就是「算法的学习路线」。今天,它来了。我会带...

    点击上方“计算机视觉工坊”,选择“星标”

    干货第一时间送达

    1

    前言

    各位十一过得如何?

    假期,我回了趟老家,文章停更了几天。

    写文章以来,被问到最多的问题就是「算法的学习路线」。

    今天,它来了。

    我会带着大家看看,我们需要学些啥,利用这个假期,我甚至还收集整理了配套视频和资料,暖男石锤啊,这期文章有用的话,别忘三连哦!

    2

    学习路线

    主要分为 4 个部分:数学基础、编程能力、算法基础、实战。

    1、数学基础

    在机器学习算法中,涉及到最为重要的数学基本知识有两个:线性代数概率论

    这两也是大学的必修课了,如果知识早已还给老师,也没关系,哪里不会学补哪里

    线性代数研究的是线性空间的性质,数据通常会被表示为欧式空间中的点,而这些点经过一系列变换后会映射到另一个空间,在新的空间中隐藏在数据中的规律才得以显现。

    所以线性代数作为研究空间的一门科学,是入门机器学习的最要基础之一

    视频:推荐 MIT 的老教授 Gilbert Strang 的线性代数上课视频。

    没学过线代的同学会发现这门课程,讲得清晰而且直观,深入线代的精髓,完全不是那种理论堆砌的讲法,而且老教授幽默风趣,很有人格魅力。

    英文不好,也不用担心,字幕是中文的

    下载地址(提取码:jack ):

    https://pan.baidu.com/s/1WktC95HL2GF0PKa311L5SQ

    教材:推荐《线性代数及其应用》,作者是 David C. Lay 。

    喜欢看书的朋友,这本书一定不能错过。

    这本书详细地介绍了线性代数在几何学、计算机图形学、经济学、概率论、信号与系统、微分方程等领域的应用,给人以直观的认识。

    下载地址(提取码:jack ):

    https://pan.baidu.com/s/10FtcG4mweUWy810cirGGzg

    概率论是研究不确定性的一门科学,生活处处是概率。机器学习算法需要对现实情况建模,自然是少不了将概率论作为工具。

    这门课入门并不难,大家可以挑一本评分还可以的书开始学习。

    这里推荐陈希儒的《概率论与数理统计》,讲得很详细,如同听一个老者回忆自己的概率与统计心得,相信读者也会有所收获。

    下载地址(提取码:jack ):

    https://pan.baidu.com/s/1P_jIbbW6JUNSlCaCX7CXKA

    如果时间充裕,推荐先学好数学基础。如果时间不够,那就跳过数学基础部分,学算法的时候,哪里不会补哪里。

    2、编程能力

    编程语言,需要至少掌握两门, Python 和 C++。

    工作中,Python 主要用于处理数据算法调研模型训练的工作,而 C++ 则是负责工程落地

    算法工程师,需要针对落地场景,对算法的可靠性和实时性等方面进行优化,C++ 工程能力必不可少。

    Python 是一门非常友好的编程语言,不但易于入门而且功能强大,在进行机器学习算法开发的过程中会大量使用 Python。

    视频:我上学看的第一个视频,就是小甲鱼 Python 课程,风趣幽默,涉及Python 语法基础、网络爬虫、Pygame 飞机大战等内容,内容很丰富。

    下载地址(提取码:jack ):

    https://pan.baidu.com/s/1-WasSZey8bZuEfp48bTOuw

    实战是最好的老师,学习 Python 的时候,可以找一个自己喜欢的方向,去实战。

    边实战,边学习。比如写爬虫、做小游戏、玩各种有趣的算法等。

    这里面,爬虫是最简单的,很容易有成就感,让你坚持学习下去,下载小说、下载漫画、下载音乐、下载电影、抢票等等小程序。

    这个推荐我的一个 Github star 量 11.4k+、fork 4.5k+的爬虫项目。

    每个实战,都有对应的文章教程,代码开源

    项目地址:

    https://pan.baidu.com/s/1-WasSZey8bZuEfp48bTOuw

    教材:推荐《流畅的Python》,书看完有些难度,但是哪来当个手册用,很方便,哪些语法忘记了,翻阅一番,必能有所收获。

    下载地址(提取码:jack ):

    https://pan.baidu.com/s/1-YBEOYY45CYrbM4Zxb21Yw

    C++ 是一种面向对象的程序设计语言,无论你是做算法,还是做开发,亦或者是做测开。C++ 都应该掌握,它是一个基础的编程语言。学会了这门编程语言,再学其它,就会更得心应手。

    视频:这部分推荐慕课网的免费教程,很好的入门视频,老师讲得绘声绘色、形象生动、通熟易懂。

    一共分为 7 章,每章视频的时间是 2-3 个小时,半个月可以轻松刷完,学习顺序是:

    • C++远征之起航篇

    • C++远征之离港篇

    • C++远征之封装篇(上)

    • C++远征之封装篇(下)

    • C++远征之继承篇

    • C++远征之多态篇

    • C++远征之模板篇

    视频观看地址(提取码:jack):

    https://pan.baidu.com/s/1-YBEOYY45CYrbM4Zxb21Yw

    教材:推荐被誉为“圣经”的《C++ Primer》,经典巨著,非常棒的书。

    下载地址(提取码:jack):

    https://pan.baidu.com/s/1uyW6kg6J0KwA8JYUj7AFFA

    编程语言基础学完了,接下来就是数据结构与算法。

    数据结构与算法是程序员的内功,每一个工程师的必修课。

    数据结构的学法,我推荐是直接看书,一边学习一边刷题,同时进行,这样学的速度快。

    就如同书名一样,这是一本像小说一样有趣的算法入门书,非常易懂,强烈推荐。

    下载地址(提取码:jack):

    https://pan.baidu.com/s/1jQYbWiHM6Z8VaP62alkBoA

    可以与这本书一同学习的,就是《剑指Offer》,里面讲解了 66 道+ 常见数据结构题,解析思路,简单易懂。

    下载地址(提取码:jack):

    https://pan.baidu.com/s/1jQYbWiHM6Z8VaP62alkBoA

    两门书一起看,轻松入门数据结构与算法。

    不过《剑指Offer》讲解的代码都是 C/C++,没有 Python 版本,想看 Python 版本的,可以看我整理的教程,C++ 和 Python 都有实现和讲解,题目已按照类型划分好。

    项目地址:

    https://github.com/Jack-Cherish/LeetCode

    两本书都看完,题也刷完了,那就算是入门了。

    想进阶,进一步学习,直接上 LeetCode。


    力扣可以从 HOT 100 或 精选算法 200 题刷起,题目相对于《剑指Offer》要增加一些难度,但每道题目都有对应的解题思路和答案。

    坚持刷完 200 道,大多的面试轻松搞定,完全够用。

    当然要面试谷歌级别的大佬,Hard 题是不能放过的。

    刷题地址:

    https://leetcode-cn.com/

    Tip:刷一遍题,回头看还会忘,不要怀疑自己,要反复刷,反复练习。

    3、算法基础

    恭喜大家,在做了前面这么多基础工作之后,终于可以开始入门机器学习算法了。

    机器学习

    视频:推荐吴恩达老师的机器学习视频,吴恩达是整个领域的巨头之一,学术地位很高。同时,他出的视频也对新手非常友好,入门的不二之选。

    下载地址(提取码:jack ):

    https://pan.baidu.com/s/1OglLhzB5gWHrK_pkAWF2Sg

    教材:还是那句话,光看不练是不行的。《机器学习实战》,理论结合实战,适合新手。

    下载地址(提取码:jack):

    https://pan.baidu.com/s/1lEz8POdx9V5Xu-RVMlBttA

    《机器学习实战》使用 Python2 实现,有些细节讲的不够细致,对此我进行了完善,使用 Python3 复现了一遍,并结合 sklearn 以及更多的好玩例子,进行讲解。

    全网阅读量 500w+:

    对应的 Github 开源代码 Star 3.3k+,fork 3.1k+。


    在线阅读地址:

    https://cuijiahua.com/blog/ml/

    我也将这个系列打包成了本地 pdf,喜欢离线看,也可以直接下载。

    下载地址(提取码:jack):

    https://pan.baidu.com/s/11OI0NZ_Fv-ZJBpT8pmjlRw

    深度学习

    深度学习是现在的算法工程师绕不开的一个子领域,是机器学习的子集。

    视频:还是推荐吴恩达老师的深度学习视频,也是对新手非常友好。

    下载地址(提取码:jack ):

    https://pan.baidu.com/s/1TShDS2_jioxMRhFv2253aQ

    教材:说实话,深度学习,我并没有看过书,都是视频+ Github 开源项目学习的,不过被誉为深度学习领域圣经的“花书”,可以备一本。

    下载地址(提取码:jack):

    https://pan.baidu.com/s/1drDJUf9OqSfxoicsk8J2gg

    深度学习框架

    深度学习框架有很多,Tensorflow、Pytorch、Paddle、MXNet、Caffe等。

    我在工作过程中,用的最多的是 Pytorch,其次是 Tensorflow。

    新手上手,推荐先学 Pytorch,可以直接看 Yunjey Choi 大佬的 Github 教程,简单入门:

    项目地址:

    https://github.com/yunjey/pytorch-tutorial

    Pytorch 深度学习框架学习,也可以看我写的 Pytorch 深度学习实战系列教程,有垃圾分类、图像分割等结合实战的小项目。

    Github 开源代码 Star 400+,fork 250+。

    项目地址:

    https://github.com/Jack-Cherish/Deep-Learning

    我也将这个系列打包成了本地 pdf,喜欢离线看,也可以直接下载。

    下载地址(提取码:jack):

    https://pan.baidu.com/s/1PXkcKJa-ZJ0fWeqVduCoZA

    4、实战

    实战实战,文章反复提到了这么多次,仅仅这些还是远远不够的。

    因为更多时候,你是跟着视频 or 文章的思路去实战,这缺少了独立思考的过程。

    学了这么多,你并没有独立完成过一个项目,数据怎么处理,怎么分析问题,用什么算法解决问题,也没有独立思考过。

    算法工程师的岗位竞争也比较激烈的,为了在茫茫人海中脱颖而出,我们需要以团队个人的形式,独立完成一些项目,只有这样,你才能更具竞争力。

    对于学生党,做项目,最简单直接的方法就是参加竞赛

    推荐两个参加竞赛的地方,一个是国外的 Kaggle,另一个是国内的阿里云天池

    两个竞赛的奖金也都很丰富,根据自己的喜好,参赛即可。

    Kaggle:

    https://www.kaggle.com/

    阿里天池:

    https://tianchi.aliyun.com/competition/gameList/activeList

    既能打比赛,又能赢奖金,何乐而不为呢?

    3

    资料打包

    本文提到的资料,我都打包了,可以直接全部打包带走。

    下载地址(提取码:jack):

    https://pan.baidu.com/s/12tbVrUF056pY7aCyMpgl1w

    PS:有能力支持正版的,资料觉得不错,可以去购买支持一波正版。

    4

    絮叨

    这篇文章整理的也是我的学习路线。

    要说需要学多久,那就看个人的学习动力了。

    如果你想去一家不错的公司,但是目前硬实力不过关,我觉得还是有必要去努力一下的,技术能力的高低决定你能走多远,平台的高低,决定你能飞多高。

    如果可以通过自己的努力,进入自己心仪的公司,一定不要松懈怠慢,职场成长和学习新技术一样,不进则退。

    你往往会发现,身边实力越强的人越努力,最高级的自律就是享受孤独

    本文仅做学术分享,如有侵权,请联系删文。

    下载1

    在「计算机视觉工坊」公众号后台回复:深度学习,即可下载深度学习算法、3D深度学习、深度学习框架、目标检测、GAN等相关内容近30本pdf书籍。

    下载2

    在「计算机视觉工坊」公众号后台回复:计算机视觉,即可下载计算机视觉相关17本pdf书籍,包含计算机视觉算法、Python视觉实战、Opencv3.0学习等。

    下载3

    在「计算机视觉工坊」公众号后台回复:SLAM,即可下载独家SLAM相关视频课程,包含视觉SLAM、激光SLAM精品课程。

    重磅!计算机视觉工坊-学习交流群已成立

    扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

    同时也可申请加入我们的细分方向交流群,目前主要有3D视觉CV&深度学习SLAM三维重建点云后处理自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群,请扫描下面微信号加群,备注:”研究方向+学校/公司+昵称“,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

    ▲长按加微信群或投稿

    ▲长按关注公众号

    觉得有用,麻烦给个赞和在看~  

    展开全文
  • 我本科生,拿到了算法岗实习offer。在此总结一下经验,此文仅用来记录经历,市场行情千变万化,不敢说绝对,内容只有参考价值。 首先说一下结论,大厂本科生基本上无机会,简历关都过不了,大概率会被甩出去,没有...

    我本科生,拿到了算法岗实习offer。在此总结一下经验,此文仅用来记录经历,市场行情千变万化,不敢说绝对,内容只有参考价值。

    首先说一下结论,大厂本科生基本上无机会,简历关都过不了,大概率会被甩出去,没有面试机会。创业公司蕴含着本科生的发展机会,本科生最好寻找一个没有上市但快要上市的创业公司,或者其他有技术有潜力的公司。这些公司并不完全看面试者的学历,招聘要求上往往也写明了本科生可以,对于拥有丰富实战经验的本科生绝对是有机会的。

    接下来就说说想要通过面试,需要的技能:

    • 编程语言:最好会Python和C++。
    • 基础算法要熟悉,除了本科数据结构学的线性表,栈队列,二叉树,图, 各种排序查找算法等以外,还要求能手撕动态规划。不一定要处理很复杂的动态规划,简单的动态规划,有相关思想即可。
    • 传统机器学习算法要懂,最好能手撕各种机器学习算法(线性回归,逻辑回归,KNN,KMeans,决策树等),即使不能手撕也要求知道算法的执行过程和算法的思想,这些思想最重要,必须掌握,最好有你自己的独特理解。
    • 深度学习算法也是必须问的,MLP,CNN,RNN,LSTM这些基础的算法内容,执行过程,用到的公式,能推导最好,不能推导也要背下来。
    • attention机制也是一大考点,transformer,bert这样的新模型,面试官往往很关心,上次遇到一个让我用tf1.x手写self-attention的面试官,着实把我吓到了,当然我直接给跪了。

    以上是基础,基本上是每个面试官都会问的,接下来面试官会关心你的项目经历。我一直觉得项目这个词很迷,什么叫项目?我发现项目这个词界定是最模糊的,你搞个商业化的大工程叫项目,你搞个小demo,也有人敢把这叫项目。

    其实这都不是重要的,重要的是体现你的工程能力,至于搞的是demo还是大工程那都不重要。

    其实搞AI这块,你做的东西包含了数据的收集和预处理,模型的建立和训练,调参,评估,反复迭代,最后上线部署,其实就差不多了,因为这个流程是一般的AI项目的完整流程,要做的事情都在里面,你要是做的多的话,就积累了很多书本上学习不到的经验,但是你跟面试官交流的时候却能体现的东西。

    面试官不仅关心项目内容还会对项目用的模型,和你阅读过的论文感兴趣,论文也是要阅读的,至少那些经典的论文,像AlexNet,ResNet的论文你要真正研读过。要对论文是什么,做了什么,为什么提出这个模型,这个模型解决了什么问题有认识。仅仅学基础知识,做一些项目还不够,你还要有对一个具体的小方向有自己的研究。这个方向不是指计算机视觉,自然语言处理这样的大方向,而是指大方向中的具体方向,拿计算机视觉举例子,视觉任务包括图像分类,目标检测,图像分割等具体的任务,每个具体任务都有自己的经典论文和模型,这些你要具体去了解。就比如搞图像分割的必须知道FCN,目标检测的必须知道YOLO。你要真的看过相关论文,真的对这个方向有自己的见解。

    需要会的库和框架:

    • numpy
    • pandas
    • matplotlib
    • scikit-learn
    • tensorflow(与pytorch二选一,最好都会)
    • pytorch
    • OpenCV(可选,视觉相关必须要会)
    • xgboost(可选,有些公司业务需求)

    我个人觉得缺人的方向:

    推荐系统

    推荐这几年比较火,短期加入可能比其他方向较轻松入职。

    强化学习

    国内搞强化学习的不多,学习曲线也相对较陡,近年来强化学习也开始落地,缺的不只是算法工程师而且缺编写仿真模拟环境的人才,这种人才招不到。

    声明,以上个人经验,仅供参考。

    展开全文
  • 如何成为当下一个合格的算法工程师

    万次阅读 多人点赞 2017-12-29 22:11:50
    如何成为当下一个合格的算法工程师 知乎上看了SimonS大神的一个live做了一些笔记 一,Q&A部分: 1.一个特征分析的例子。。。(听不懂) 2. 还是一个机器学习的例子,(听不懂)大致,降低复杂度。 3....

    如何成为当下一个合格的算法工程师

    知乎上看了SimonS大神的一个live做了一些笔记

    一,Q&A部分:

    1.一个特征分析的例子。。。(听不懂)


    2. 还是一个机器学习的例子,(听不懂)大致,降低复杂度。


    3. 传统算法合格的标准,Leetcode(简单,中等毫无压力,hard难度有一定时间思考可以解决)


    4. Machine Learning算法基础,数学基础(统计学,微积分,线性代数,离散数学)


    5. 数据挖掘相关的竞赛
    (ACM没太大帮助,仅仅针对传统算法, 针对数据挖掘的竞赛:Kagle, KDD数据挖掘)


    6. 算法工程师需要博士么?  

    live主只有本科学历,和基础知识。

    (硕士比较有必要 因为面试结果好于本科,也就是认可度较高)



    7. 高维空间xxx相关的问题(还是听不懂)


    8. 基础烂的人,如何学习算法?
    (花时间去补基础,锻炼自己独立学习独立解决问题的能力)


    9. 数据挖掘要学spark?
    Live主认为python足够。 


    10. 合格的算法工程师需要的数学基础?
    后续另外一个部分介绍


    11. 怎样练习算法?指传统的算法和数据结构
    1)以模块化形式 针对训练。例如学习图轮,相对于刷图论相关的题目
    学习动态规划,刷动态规划相关的题目。
    (根据模块学习和训练)
    2)leetcode 随机刷题。自己想方案来解决
    (根据实际问题选择算法解决问题)


    12. 有一定高数基础和机器学习的基础概念,如何实际训练
    Kaggle 和KDD 训练,
    尝试写爬虫自己挖掘数据进行研究。


    13. 应用数学/统计专业如何转型算法
    1)学习写代码。例如python
    2)稳固统计学,并学习机器学习相关的知识。


    14. 数据挖掘工程师,有必要深入研究传统算法,例如算法导论么?
    还是重点关注学习,统计等算法呢?
    作者认为没有必要。
    传统算法(算法导论)偏向系统工程方面。
    数据挖掘便向统计方面。


    15. 本科生非ACMER 需要什么程度才算算法合格?
    作者前面说的Leetcode初级,中级无压力。高级题花时间能研究出来。


    16. 算法工程师和数据 data scientist的区别
    在中小企业是不做区分的。
    很大的公司中会有区别。
    例如算法工程师提供更底层的模块
    数据挖掘工程师更偏向于业务。


    17. 算法工程师的编程能力要达到什么水平?
    如果不做系统级的开发对编程能力要求并不高。
    系统开发,比如分布式计算,并行计算。对编程要求就高很多。


    18. 传统数据结构和算法是否对于机器学习有必要?体现在什么地方?
    类比参加高考的数理化训练。训练思维的方式,思考方式和基础。
    传统数据结构算法接触大量计算机的解决问题的思维。
    机器学习中会用到传统数据结构算法,例如图论,动态规划。
    字典树,自动机等等。


    ---------------------------

    二,正文大纲:

    如何成为当下合格的算法工程师


    1. 定义算法工程师
    2. 所需内功和外公
    3. 不可替代性和成长性
    4. 如何快速成长
    5. 算法岗面经
    6. 量化合格的标准


    1. 什么是算法工程师:

    从个大招聘网站的算法岗JD开始
    主流应用:音频,视频,图,像数据挖掘,搜索
    技术核心:机器学习
    未来:人工智能
    (live主认为机器学习未必是实现人工智能的唯一方式,
    万一有人脑的API,那么机器学习热潮可能会退去)


    live主分析了一份阿里的JD
    涵盖了主流机器学习的应用和方向
    C/C++要求。上手python java快。也能造轮子
    (同时说明部门老大技术应该很牛,有可能上升的空间就较小)


    分析一份百度的JD
    C/C++要求,分布式计算,自然语言处理。JD描述看似简单
    往往需要讲出自己非常牛的项目经历。


    词云图:广告(DSP)
    java/C++/Python
    数学
    硕士




    2. 内功和外功

    1)内功
    统计学
    线性代数
    微积分
    算法和数据结构
    机器学习模型
    特征工程
    自然语言处理
    分布式计算
    ...


    2) 外功
    C/C++/java
    Pyton/R/Matlab
    Hadoop/Hive
    Spark/Mlib
    /Mahout/Tensorflow/Caff
    SASS/SPSS
    Weka/Stat
    MySQL/HBase/MongoDB
    ...


    live主认为高效的方法是先学会如何用,然后在学习如何用好。
    也就是先学习外功,再慢慢弥补内功。
    如果只专注内功而忽略外功,很容易成为理论家,而不会实际应用。


    数学基础:
    机器学习,统计学习符号,能够看懂技术书籍上的推导证明


    参考学习路线图。
    (1,2,3,4,5)完成5条路线可以胜任大部分的应用。


    3. 算法工程师不可代替性

    1)非增删改查开发接口等体力活
    2)大脑价值大于代码价值
    3)技术业务两手抓,容易成为项目核心
    4)行业热点,不懂技术的老板也知道大数据重要
    5)如何量化不可代替性,工作交接时间长


    成长性高
    待遇高,5年以后薪资成长迅猛
    有机会接触到更多IT大牛
    大多数ACM获奖的应届生选择算法岗位
    挑战性极强,工作难度大
    会随着大数据热潮变得抢手


    4. 如何快速成长

    1)从外功入手,兼顾内功修炼
    《集体智慧编程》+《统计基本方法》

    所见即所得,有实际反馈。


    2)这是工科,不是理科,因此需要更多实际项目的训练
    LeetCode + Kaggle


    需要更多练习,接近实际的练习。
    leetcode训练传统算法
    Kaggle数据挖掘竞赛(特征工程,大于学习模型本身的重要性)


    3) 训练自己快速阅读paper的能力
    ICML NIPS AAAI CVPR等
    机器学习相关的期刊的名称。


    比如深度学习,可以通过期刊了解到新等模型体系,可以有针对性的做一些学习。


    5.算法岗面经

    C/C++
    1.白板编程:反转二叉树,单链表中删除特定值的节点。
    2.Vector空间的增长方式,容器是否线程安全,map的时间空间复杂度,allocator原理,string内存分配。
    3.父类和子类中构造函数以及析构函数调用顺序
    4.引用和指针的区别,右值引用的特点以及应用场景(移动构造函数),性能提升原因
    5.解释深拷贝和浅拷贝并说明应用场景 (自定义拷贝构造函数)
    6.C++的优势与劣势,如何看待C++中繁多的特性
    C++11 和C++14标准


    算法与数据结构
    1. 分治,快排思想:求第k大数(中位数)
    2. 堆,优先队列:找出出现最多的top100个值
    3. 动态规划:数字金字塔,求两个字符串的编辑举例,最长不下降子序列
    4. 并查集:求好友圈个数,注意路径压缩优化
    5. 线段树,树状数组: 区间更新和查询
    6. KMP,AC自动机:海量字符串检索比较


    Python
    1. 数据分析:numpy,scipy,sklearn, pandas, matplotlib
    2. 爬虫: requests, urllib, scrpay, beautifulsoup,  selenium, 中文编码
    3. 白板编程:重新实现filter, map, reduce, 反转二叉树
    4. Python的优势与劣势,分析为何GIL带来影响。如何解决


    如果是初入门可以看廖雪峰的博客进行学习,否则看官方文档。


    统计学:
    1. 量化统计模型结果好坏(准确,召回,ROC,AUC, F1-Measure)
    2. 样本于理论推测的偏差:卡方检验  X^2 = sigma ((A-T)^2/T)
    3. 比较两个变量波动性 变异系数 CV = sigma(x) / E(x) = STD(x) / AVG(x)
    4. 正态分布N(u, keshi^2) 如何检验正态分布
    阅读课本。


    数据挖掘:
    1. 介绍Logistics Regression, Random Forest, GBDT并分析其优缺点
    2. 阐述L1和L2正则项并做比较
    3. 如何解决推荐系统冷启动问题
    *4. 特征工程:可用性评估,采样,无量纲化, PCA/LDA, 衍生变量
    5. 各个模型的损失函,数牛顿学习法,SGD如何训练
    6. 如何生产标签并构造用户画像(word2vec, kmeans, LDA, TF-IDF)
    【live主认为特征工程是最重要的】

    量化合格标准
    语言:C++/Java/Python
    能使用擅长的语言造轮子,写爬虫,数据分析和挖掘


    算法和数据结构:以独立完成Leetcode为佳
    (poj, zoj训练)


    统计:熟悉基本统计方,法要有自己完整的统计体系。
    指标分析->提出猜想->验证->结论->模型


    机器学习:熟悉常见模型和特征工程方法
    同样要有自己完整的特征工程体系,对模型优劣有基础认识,
    以纯手工实现逻辑回归为佳


    一些学习资料:
    美团点评技术 - 《机器学习中的数据清洗与特征处理综述》  http://tech.meituan.com/machinelearning-data-feature-process.html  
    使 sklearn做特征 程  http://blog.csdn.net/xw_classmate/article/details/51331787 
    Max Kuhn / Kjell Johnson - Applied Predictive Modeling 
    Trevor Hastie / Robert Tibshirani / Jerome Friedman - Elements of Statistical Learning
    本文参考文档:
    https://cn.100offer.com/blog/posts/313?campaign_code=zhihu
    《集体智慧编程》+《统计基本方法》


    作者给出连一条路线
    可以先做后端开发->边工作边学习转算法



















    展开全文
  • 怎样成为一名优秀的算法工程师?这是很多从事人工智能学术研究和产品研发的同学都关心的一个问题。面对市场对人才的大量需求与供给的严重不足,以及高薪水的诱惑,越来越多的人开始学习这个方向的技术,或者打算向...
  • 1、计算中算法的角色(The Role of Algorithms in Computing) 2、 函数的增长率(Growth of Functions) 3、 递归(Recurrences) 4、 随机化算法( Randomized Algorithms) 二、 排序与顺序统计(Sorting and...
  • 怎样成为一名优秀的算法工程师

    千次阅读 2018-12-12 11:13:01
    怎样成为一名优秀的算法工程师?这是很多从事人工智能学术研究和产品研发的同学都关心的一个问题。面对市场对人才的大量需求与供给的严重不足,以及高薪水的诱惑,越来越多的人开始学习这个方向的技术,或者打算向...
  • 成为算法工程师到底需要学些什么

    千次阅读 2021-11-08 15:44:37
    6、选择自己感兴趣或者工作相关的一个领域深入下去 人工智能有很多方向,比如NLP、语音识别、计算机视觉等等,生命有限,必须得选一个方向深入的专研下去,这样才能成为人工智能领域的大牛,有所成就。 再回答第二...
  • 昨天与一位清华博士同学在一起吃饭,刚好聊起了目前大厂招算法工程师会有哪些条件。以我个人经验判断,从2022年开始,算法岗只会越来越卷,因为研究生近几年扩招了,明年又刚好是第一批扩招的研究生找工作的时候,而...
  • 如何成为一名AI人工智能算法工程师

    万次阅读 多人点赞 2019-06-30 12:25:21
    经常有朋友私信问,如何学python呀,如何敲代码呀...来看看你距离成为一名AI工程师还有多远吧~ ⭐具体内容: 我是因为什么开始接触敲代码 人工智能/机器学习/深度学习 自学如何寻找学习资料 如何选择编...
  • 如何成为一名机器人算法工程师?   三年前的冬天,我还是一名大三的学生,在学长的介绍下阅读了一本书,是John J. Craig的**《Introduction to robotics》**。读过几章之后,我感觉非常的亢奋,第一次感觉到数学与...
  • 如何成为当下合格的算法工程师

    千次阅读 2017-09-06 21:35:04
    前一段时间听了一个知乎 live,觉得讲的还不错,放在这里提醒自己吧! 出自:知乎Live-如何成为当下合格的算法工程师
  • 一个公式告诉你为什么程序员要转算法工程师

    万次阅读 多人点赞 2017-06-11 18:20:23
    今天(2017年6月11日)爬了某招聘网站的十大城市的算法工程师职位。算法工程师这里的算法工程师包括比较广泛。有做数据科学的,有做图形的,有做信号处理的。之后会统计更细分的领域。十大城市以下按照算法工程师的...
  • 成为算法工程师——张相於

    千次阅读 2018-10-18 18:33:39
    成为一名合格的开发工程师不是一件简单的事情,需要掌握从开发到调试优化等一系列能力,而掌握这些能力中的任一项,都需要付出足够的努力,以及足够多的经验。
  • 人工智能有很多方向,比如NLP、语音识别、计算机视觉等等,生命有限,必须得选一个方向深入的专研下去,这样才能成为人工智能领域的大牛,有所成就。 再回答第二个问题,人工智能到底是不是一项技术? 根据百度百科...
  • 目录华为机器学习工程师招聘内容必备技能1 机器学习理论1.1 基础理论1.2 有监督学习1.3 无监督学习2 数学基础3 特征处理和工程4 必备工具4.1 单机开发工具4.2 大数据开发工具5 ML算法补充资料6 面试题目6.1 机器学习...
  • 点击上方“AI算法与图像处理”,选择加"星标"或“置顶”重磅干货,第一时间送达作者:鳄鱼家的猪https://www.nowcoder.com/discuss/22635...
  • 如何成为一名合格的运筹优化算法工程师

    万次阅读 多人点赞 2019-07-23 18:30:35
    作为算法工程师里的一小撮,相比机器学习...所以在这里和自己探讨下,看看如何成为一名更好的、合格的运筹优化算法工程师,给自己一个方向。如果有人不怕被坑,欢迎参考。当然更欢迎拍砖和补充。 引言 运筹学(o...
  • 作为一名算法工程师,我的经历应该不算是从业人员中的大多数。
  • 一个优秀的算法工程师必须具备哪些素质 导言 怎样成为一名优秀的算法工程师这是很多从事人工智能学术研究和产品研发的同学都 关心的一个问题面对市场对人才的大量需求与供给的严重不足以及高薪水的诱惑越 来越多的人...
  • 导读了解小编的读者应该知道,我在从事了一段数据分析师的工作之后,目前岗位的title已经换成了算法工程师。虽然两个岗位存在很大交集和共通之处,但无论是工作思维还是所需技术栈方面,也都存在很...
  • 光环大数据 --大数据培训 &人工智能培训 AI 时代如何成为一名优秀的算法工程师 _光环大数据 1算法工程师是做什么的 广义上是指搞软件算法的 也就是开发和应用软件算法实现工业控制和程序 处理除了机器学习之外 还...
  • 控制算法工程师是怎样炼成的

    千次阅读 多人点赞 2019-04-10 20:05:31
    成为算法工程师该怎么修炼? 能问出这些问题的人,多半不是搞算法的同行。不过下文会解答这些疑问,以帮助更多的人理解算法工作,特别是有雄心的老板,负责的HR职员,专业的猎头,以及有志于算法的工程师。 ...
  • 努力成为一名合格的水平的AI算法工程师 未完待续,持续更新... 一,工程基础 1,编程语言 2,软件工程 代码规范 3,操作系统 4,数据库 二,机器学习基础 1,数学基础 2,可视化 3,误差分析与调优 4,传统...
  • 到底算法工程师需要具备什么样的能力?才能满足“越来越卷”的要求近年来,关于算法岗位“越来越卷”的声音持续热烈。我们经常收到一些同学提问:算法岗位听说人才过剩要顶会才能入场了,不少人都在转开...
  • 成为一名 AI 算法工程师,你需要具备哪些能力? 这是一篇关于如何成为一名 AI 算法工程师的长文~ 经常有朋友私信问,如何学 python 呀,如何敲代码呀,如何进入 AI 行业呀? 这里总结了成为AI算法工程师所需要掌握...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 102,071
精华内容 40,828
关键字:

怎么成为算法工程师