面试准备阅读列表

习惯了手写笔记，将学习过程阅读的资料记录在这篇文档里，陆续增加。

---

书目

1. 《机器学习》周志华 2018.2
2. 《python高性能编程》 2018.3

---

传统机器学习

1. BAT机器学习面试1000题系列 每日刷
2. 从最大似然到EM算法浅解 2018.3.7
3. 机器学习中的PR曲线和ROC曲线 2018.3.23
4. VotingClassifier 模型聚合——投票 2018.3.25
5. 非平衡数据机器学习 2018.3.25
6. 机器学习：概率校准 2018.3.25
7. 机器学习中的损失函数 （着重比较：hinge loss vs softmax loss 2018.3.25
8. 机器学习常用的分类器比较 2018.3.25
9. 线性判别分析（Linear Discriminant Analysis） 2018.3.26
10. 机器学习常用 35 大算法盘点（附思维导图） 2018.3.26
11. 机器学习的分类与主要算法对比 2018.3.26
12. logistic函数和softmax函数 2018.3.27
13. Logistic Regression（逻辑回归）原理及公式推导 2018.3.27
14. 机器学习算法—随机森林实现（包括回归和分类） 2018.4.7

---

feature engineering

1. 如何用Python对数据进行差分 2018.4.8

---

深度学习

1. 反向传播(BPTT)与循环神经网络(RNN)文本预测 2018.3.21
2. LSTM结构理解与python实现 2018.3.21
3. 深度学习BP算法的推导（附加RNN,LSTM的推导说明） 2018.3.23
4. 《统计学习方法》 梯度下降的两种应用场景） 2018.3.23
5. 交叉熵代价函数（作用及公式推导） 2018.3.23
6. CNN笔记：通俗理解卷积神经网络 2018.3.23
7. CNN卷积神经网络和反向传播 2018.4.5
8. pooling层是如何反向传播的？ 2018.4.5

---

kaggle、天池

1. Deep & Cross Network for Ad Click Predictions） 2018.4.4

---

自然语言处理

1. Spark MLlib 文本特征提取（TF-IDF/Word2Vec/CountVectorizer） 2018.3.25
2. 大白话讲解word2vec到底在做些什么 2018.3.25
3. kaggle自然语言处理 2018.3.25

---

Python

1. python 模块相互import 2018.4.6
2. 简单聊聊Python中的wraps修饰器 2018.4.6

---

计算机网络

1. RPC服务和HTTP服务对比 2018.3.25

---

其他的收藏

1. 彻底解读剪不断理还乱的\r\n和\n 2018.3.22

---