Об этом проекте

## О проекте ML-NLP — это китайский репозиторий знаний по машинному обучению, глубокому обучению и NLP, ориентированный на подготовку к собеседованиям. Материал организован по модулям, каждая глава раскрывает темы, которые могут встретиться на собеседовании, и завершается практическим примером кода. В описании проекта указано, что основная цель — подготовка к интервью, полнота не является приоритетом, и проект постоянно обновляется. ## Структура содержания Раздел машинного обучения включает: линейную регрессию, логистическую регрессию, деревья решений, случайный лес, GBDT, XGBoost, LightGBM, метод опорных векторов (SVM), вероятностные графические модели (байесовские сети, марковские модели, тематические модели), EM-алгоритм, кластеризацию, инженерию признаков и методы оптимизации в ML, KNN и другие темы. Раздел глубокого обучения включает: основы нейронных сетей, свёрточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), GRU, LSTM, перенос обучения, обучение с подкреплением и многозадачное обучение, методы оптимизации глубокого обучения. Раздел NLP включает: основы обработки естественного языка, методы векторного представления слов Word2Vec, fastText, GloVe, модели textRNN и textCNN, seq2seq, механизм внимания, Transformer, BERT, XLNet и другие модели. Раздел проектов включает рекомендательные системы и интеллектуальную поддержку клиентов, а в оглавлении также сохранены пункты «граф знаний» и «анализ отзывов» (для последних двух в README пока нет соответствующих ссылок). ## Как использовать Ссылки в оглавлении README ведут на соответствующие Markdown-документы или папки в репозитории. Материал можно читать последовательно по модулям или использовать как краткий справочник для повторения перед собеседованием. Автор также предлагает интеллект-карту по NLP, для получения которой в высоком разрешении необходимо подписаться на его аккаунт в WeChat и отправить ключевое слово. Кроме того, в README рекомендуется другой проект того же автора — personal-llm-api, позиционируемый как лёгкий сервис интерфейса LLM.