機器學習職涯指引-如何準備技術面試

Contents

通過掌握常見的面試問題，為技術機器學習面試做好準備

報名參加課程｜更新 coupon code

從這 5 小時的課程，你會學到

準備機器學習技術問題
改進或複習機器學習中的知識
對機器學習的主題有很強的直覺
回顧資料處理的基本方面
瞭解各種特徵工程方法
處理降維的問題
回顧許多分類和迴歸模型
瞭解機器學習方法的優缺點
處理關於監督式學習的高階問題
討論超參數( hyperparameters )以及如何應用交叉驗證
建立對好的實驗設計的理解
回顧特徵選擇的概念
描述不同類型的資料集平衡方法
對主要的聚類演算法( сlustering algorithms )有直覺
練習模型評估問題

要求

高中數學水平
基本的機率論和統計知識
對資料科學概念的基本理解
對機器學習演算法有基本的理解
有電腦科學方面的經驗

課程說明

本課程旨在為準備機器學習技術面試提供方便的資源。它可以幫助你做好準備，參加50場講座，內容涉及不同主題的問題和答案。本課程不僅適用於對可能出現的問題有充分理解的學生，也適用於複習機器學習的知識。

我們將系統地介紹資料準備方法，包括資料正常化、異常值處理、特徵工程和降維技術。

在處理完下一節中的資料之後，我們將繼續討論監督式學習方法。我們將考慮簡單的線性演算法，正則化，最大可能方法。此外，我們還將討論貝葉斯定理和樸素貝葉斯分類器。這一部分的幾個講座都是關於支援向量機模型的。本課程之後的大部分講座將致力於基於決策樹的演算法: 我們將考慮包裝演算法、隨機森林、 AdaBoost 和梯度提升演算法。

在回顧完關於演算法的面試問題之後，我們將進入機器學習的主題領域，並討論諸如好的實驗設計、交叉驗證方法、過擬合( overfitting )和欠擬合( underfitting )、特徵選擇方法、不平衡資料問題等話題。

本課程還包括一些關於聚類演算法( clustering algorithms )的講座，涵蓋了最著名的方法及其概念。此外，作為本課程的一部分，我們將考慮用於評估有監督和無監督模型品質的各種指標。

總而言之，本課程將幫助你複習真正的機器學習專家所使用的方法，並為這條熱門的職業道路做好準備。

2019年5月更新！用整個晚上的時間在面試前閱讀完全可下載的演講簡報。