NLP-RoadMap

持续更新中。以下内容有错误或者不足，欢迎提Issue或者联系我讨论

整理不易，希望点个小星星 🌟🌟🌟 ​支持下呀！

🌻 前言

The last thing you figure out in writing something is what to put first.

排版清晰考虑，以下只列出一级分层的主题，具体内容请点击 这里 查看。

🍀 数理基础

数学是整个AI学习的基础，但对于一般的机器学习从业者而言，数学知识基本在上完大学四年就足够用了。当然，数学是属于多多益善的那种，了解得越多越深入，那么当你在遇到问题时，就会有更多的思考角度和解决问题的方案。

• 线性代数
• 概率统计
• 微积分
• 最优化
• 信息论
• 推荐资料

🌳 编程基础

经常说的一句话，『算法工程师首先要是一个工程师』。你只有掌握扎实的coding技能，才能生存下去，慢慢打怪升级。

• 编程语言
• 数据结构
• 算法基础
• 推荐资料

🌲 机器学习

机器学习部分以一个完整的项目来整理，从真实应用中学习。

数据

• 数据来源
• 数据类型
• 数据探索
• 数据处理
• 特征选择
• 数据划分

模型

• 线性回归
• 感知机
• 逻辑回归
• SVM
• 朴素贝叶斯
• KNN
• 决策树
• 集成学习模型
• 概率图模型
• 降维
• 聚类

训练

• 损失函数
• 优化器
• 评价指标
• 调参细节

保存&部署

🌵 深度学习

• NN网络
  • DNN
  • CNN
  • RNN
  • Transformer
  • Auto-Encoder
  • GAN
• 激活函数
• 正则化
• 损失函数
• 优化器
• 深度学习框架
• 讨论

🌸 自然语言处理

• 基础
  • Tokenization
  • Embedding
  • Encoder
  • Decoder
• 任务 & 模型
• 应用
  • 搜索
  • 广告
  • 推荐
• 推荐资料

🍁 AI 资源

整理互联网上公开的AI相关学习资源，包括但不限于 书籍教材、课程视频、优质文章 等形式，包括但不限于 机器学习、深度学习、自然语言处理、计算机视觉、推荐搜索、语音识别、图神经网络、时间序列 等主题。

👇 👇 👇

宝藏在这儿！（updating）

注：如涉及侵权，请及时联系删除，谢谢！

🌴 AI 工具

🌱 后记

• 一般会在周末更新，请不要着急
• 如果想要贡献内容或转载内容，欢迎与我交流（wechat：『kaiyuanaa』）
• 如果对你有帮助，那么别人可能也需要。请不要吝啬你的 star ，让更多人看见