NLP中文面試學習資料：面向算法面試，理論代碼俱全，登上GitHub趨勢榜

魚羊 2019-09-24 14:07:02 來源：量子位

魚羊 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

一年一度的秋招已經悄悄來臨，征戰在求職路上的你，準備好了嗎？

工欲善其事，必先利其器。

這里有一份NLP面試大全，全中文教學，囊括機器學習及NLP算法面試中常考的知識點，還有算法實戰代碼，實乃算法工程師求職路上，必備良品。

宜入門，亦宜復習。還登上了GitHub趨勢榜。

學習目錄

這份學習資料分為機器學習、深度學習和NLP三個部分。

機器學習有16節：

深度學習有8節：

NLP有8節：

都是由淺入深，干貨十足。

事不宜遲，一起來看看具體該如何食用這份學習大餐吧。

以機器學習的第一節線性回歸為例。

在每一節的一開始都有該節的內容目錄，詳盡列舉了這一節中都有哪些知識點，新手可以按部就班地學習，而倘若你只是想在面試開始前再鞏固一下知識點，就可以哪里不熟點哪里了。

基礎到什么是線性、非線性：

進一步到損失函數如何計算，過擬合、欠擬合如何解決：

再到應用場景：

沒有多余的廢話，盡是知識要點。拿著這樣一份重點筆記有針對性地學習、復習，豈不爽哉？

光看理論記不住？放心，每一節的文末都有配套的課后習題，邊學邊練，事半功倍。

課后習題不僅包括題目、數據和代碼實現，項目作者還結合自身的經驗，把整個解題的思路完整呈現了出來，可以參考學習。

比如機器學習入門中的經典題房價預測。

題目是：

從給定的房屋基本信息以及房屋銷售信息等，建立一個回歸模型預測房屋的銷售價格。

測試數據主要包括3000條記錄，13個字段，跟訓練數據不同的是測試數據并不包括房屋銷售價格，學員需要通過由訓練數據所建立的模型以及所給的測試數據，得出測試數據相應的房屋銷售價格預測。

腦子一團漿糊不知道從何著手？

可以參考一下作者的思路：

1、選擇合適的模型，比如這里，選擇多元線性回歸模型。

2、對缺失的值進行補齊操作，可以使用均值的方式補齊數據，使得準確度更高。

3、數據的取值一般跟屬性有關，為了提高預測的準確度，需統一數據維度進行計算，方法有特征縮放和歸一法等。

#讀取數據
housing = pd.read_csv('kc_train.csv')
target=pd.read_csv('kc_train2.csv') #銷售價格
t=pd.read_csv('kc_test.csv') #測試數據
#數據預處理
housing.info() #查看是否有缺失值
#特征縮放
from sklearn.preprocessing import MinMaxScaler
minmax_scaler=MinMaxScaler()
minmax_scaler.fit(housing) #進行內部擬合，內部參數會發生變化
scaler_housing=minmax_scaler.transform(housing)
scaler_housing=pd.DataFrame(scaler_housing,columns=housing.columns)

4、調用模型庫進行訓練。

#選擇基于梯度下降的線性回歸模型
from sklearn.linear_model import LinearRegression
LR_reg=LinearRegression()
#進行擬合
LR_reg.fit(scaler_housing,target)
#使用均方誤差用于評價模型好壞
from sklearn.metrics import mean_squared_error
preds=LR_reg.predict(scaler_housing) #輸入數據進行預測得到結果
mse=mean_squared_error(preds,target) #使用均方誤差來評價模型好壞，可以輸出mse進行查看評價值
#繪圖進行比較
plot.figure(figsize=(10,7)) #畫布大小
num=100
x=np.arange(1,num+1) #取100個點進行比較
plot.plot(x,target[:num],label='target') #目標取值
plot.plot(x,preds[:num],label='preds') #預測取值
plot.legend(loc='upper right') #線條顯示位置
plot.show()

5、使用測試數據進行目標函數預測輸出，觀察結果是否符合預期。或者通過畫出對比函數進行結果線條對比。

當然，最后都會附上參考答案。

NLP部分也是一樣的節奏，比如全局向量詞嵌入（GloVe）。

先說明概念：

GloVe的全稱叫Global Vectors for Word Representation，它是一個基于全局詞頻統計（count-based & overall statistics）的詞表征（word representation）工具，它可以把一個單詞表達成一個由實數組成的向量，這些向量捕捉到了單詞之間一些語義特性，比如相似性（similarity）、類比性（analogy）等。我們通過對向量的運算，比如歐幾里得距離或者cosine相似度，可以計算出兩個單詞之間的語義相似性。

再詳述實現步驟：

1、構建共現矩陣。

2、詞向量和共現矩陣的近似關系。

3、構造損失函數。

4、訓練GloVe模型。

還分析了一番GloVe與LSA（Latent Semantic Analysis，潛在語義分析）、Word2Vec（詞嵌入）的比較。

LSA（Latent Semantic Analysis）是一種比較早的count-based的詞向量表征工具，它也是基于co-occurance matrix的，只不過采用了基于奇異值分解（SVD）的矩陣分解技術對大矩陣進行降維，而我們知道SVD的復雜度是很高的，所以它的計算代價比較大。還有一點是它對所有單詞的統計權重都是一致的。而這些缺點在GloVe中被一一克服了。

而word2vec最大的缺點則是沒有充分利用所有的語料，所以GloVe其實是把兩者的優點結合了起來。從這篇論文給出的實驗結果來看，GloVe的性能是遠超LSA和word2vec的，但網上也有人說GloVe和word2vec實際表現其實差不多。

最后，還是附上代碼實現。

One More Thing

面向面試，重點明確，這份資源實在火。連外國友人都來求英文版了。

雖然有部分章節還在施工中，還是很值得Mark一下啊～

傳送門：

https://github.com/NLP-LOVE/ML-NLP

— 完 —