Sobre o projeto

## Introdução ao Projeto ML-NLP é um repositório de conhecimento em chinês sobre machine learning/deep learning/NLP orientado à revisão para entrevistas, organizado por módulos em capítulos. Cada capítulo aborda pontos de conhecimento que podem ser perguntados em entrevistas e, ao final, fornece casos práticos de código de algoritmos. A descrição do projeto afirma claramente que o conteúdo tem como principal objetivo a preparação para entrevistas, sem pretender ser exaustivo, e encontra-se em atualização contínua. ## Estrutura do Conteúdo A parte de machine learning inclui: regressão linear, regressão logística, árvores de decisão, random forest, GBDT, XGBoost, LightGBM, máquinas de vetores de suporte (SVM), modelos gráficos probabilísticos (redes bayesianas, Markov, topic models), algoritmo EM, clustering, engenharia de features e métodos de otimização em ML, KNN, entre outros. A parte de deep learning inclui: fundamentos de redes neurais, redes neurais convolucionais (CNN), redes neurais recorrentes (RNN), GRU, LSTM, transfer learning, reinforcement learning e multi-task learning, além de métodos de otimização em deep learning. A parte de NLP inclui: fundamentos de processamento de linguagem natural, métodos de word embedding como Word2Vec, fastText e GloVe, além de modelos como textRNN e textCNN, seq2seq, mecanismos de atenção, Transformer, BERT e XLNet. A seção de projetos lista sistemas de recomendação e atendimento inteligente, e mantém no índice itens como grafos de conhecimento e análise de comentários (estes dois últimos ainda não possuem links correspondentes no README). ## Como Utilizar Os links dos capítulos no índice do README apontam para os documentos Markdown ou pastas correspondentes dentro do repositório, podendo ser lidos na ordem dos módulos ou utilizados como material de revisão rápida antes de entrevistas. O autor também disponibiliza um mapa mental de NLP, que pode ser obtido em alta resolução seguindo sua conta oficial no WeChat e respondendo com uma palavra-chave. Além disso, o README recomenda outro projeto do mesmo autor, o personal-llm-api, posicionado como um serviço leve de interface para LLMs.