玩家你好

恭喜你撿到了一個來自上古時期的*七*星*煉*丹*爐*，只見爐壁上鑲嵌著自然語言處理、推薦系統、信息檢索、深度煉丹、機器學習、數學與基礎算法等失傳已久的江湖秘術。熔爐中雖然已有一層厚厚塵土，卻依然掩蓋不住塵埃下那一顆顆躁動不安的仙丹。

ps: 喂喂喂，你萌不要只收藏不點贊哇(｡ ?︿ ?｡)

仔細看來，似見爐壁上有幾個似乎在訴說什么秘密的圖案，和一些歪歪扭扭的文字

🍻內涵段子

🥜自然語言處理

🍥深度學習與煉丹技巧

🍪機器學習與數據挖掘

🥥搜索與推薦系統

🍖求職面經

🍡開發技巧

?

剎那間，畫風突變。

小夕還為大家準備了上述方向的高質量學習/討論群，邀請了眾多萌妹子（劃掉）、頂會審稿人、大廠研究員/算法高T和知乎大V們幫助大家快速成長！進入微信公眾號【夕小瑤的賣萌屋】，點擊主頁底部【撩一下】添加小夕微信號，小夕拉你入群哦。

🍻內涵段子

萬萬沒想到，我的煉丹爐玩壞了

他與她，一個兩年前的故事

如何優雅的追到女神夕小瑤

如果你跟夕小瑤戀愛了...（上）

如果你跟夕小瑤戀愛了...（下）

一位老師，一位領導，一個讓全體學生考上目標學校的故事

從前，小夕種了一棵樹

🥜自然語言處理

限定域文本語料的短語挖掘（Phrase Mining）

NLP的游戲規則從此改寫？從word2vec, ELMo到BERT

后BERT時代：15個預訓練模型對比分析與關鍵點探究

文本匹配相關方向打卡點總結

如何打造高質量的NLP數據集

自然語言處理有哪些方向適合獨立研究？

文本分類有哪些論文中很少提及卻對性能有重要影響的tricks？

夕小瑤：從DPCNN出發，撩一下深層word-level文本分類模型

史上最可愛的關系抽取指南？

從一條規則到十個開源項目

Step-by-step to Transformer：深入解析工作原理（以Pytorch機器翻譯為例）

2019 年，智能問答（Question Answering）的主要研究方向有哪些？

小哥哥，檢索式chatbot了解一下？

您的DST大禮包請查收 對話系統的設計藝術（完結）

🍥神經網絡與煉丹

模型訓練太慢？顯存不夠用？這個算法讓你的GPU老樹開新花

理論干貨

• 前饋神經網絡（NN） ?? 卷積神經網絡（CNN） ?? 卷積層 vs 分類層
• 循環神經網絡（RNN） ?? 長短時記憶網絡（LSTM）
• 深度學習資料推薦
• 高維空間的局部最優點分析
• 參數初始化trick之Xavier方法解析
• 偏置項b的作用
• 深度神經網絡的BP過程
• BP算法的由來與本質
• 激活函數=生物轉換器？

訓練trick

• 神經網絡調參指南
• 提高GPU利用率的N個tricks
• 訓練神經網絡時如何確定batch size？
• 如何與深度學習服務器優雅交互

🍪機器學習與數據挖掘

一時學習一時爽，"持續學習"持續爽 還在隨緣煉丹？一文帶你詳盡了解機器學習模型可解釋性的奧秘

數學基礎

• 機器學習先導之數學基礎
• 矩陣與矩陣運算
• 特征值、特征向量與特征分解
• 2范數
• 奇異值分解

機器學習理論

• RL核心問題與Bandit老虎機
• 強化學習掃盲
• Q-learning到DQN
• EM算法詳解-理論篇
• EM算法詳解-工程篇
• 關于高維空間中的局部最優點與鞍點
• 機器學習入門資料推薦（一）
• 機器學習入門資料推薦（二）
• 機器學習入門資料推薦（三）

統計ML模型與概率圖模型

判別式：

• 邏輯回歸(LR) ?? 最大熵模型(ME) ?? 線性鏈條件隨機場(Linear-chain CRF)
• 邏輯回歸(LR) ?? 受限玻爾茲曼機(RBM) ?? 玻爾茲曼機(BM)
• ID3決策樹 ??c4.5中的信息增益比 ?? Adaboost

生成式:

• 樸素貝葉斯(NB) ?? 隱馬爾可夫模型(HMM) ?? 貝葉斯網絡/信念網絡(BN)
• 樸素貝葉斯 vs 邏輯回歸
• HMM的訓練與使用
• 似然函數 vs 交叉熵

🥥搜索與推薦

搜索引擎核心技術與算法 —— 倒排索引初體驗

搜索引擎核心技術與算法 —— 詞項詞典與倒排索引優化

深度推薦系統2019年度閱讀收藏清單

詳解深度語義匹配模型DSSM和他的兄弟姐妹

想讓推薦和搜索引擎更聰明？

基于知識圖譜的篇章標簽生成

🍖求職面經

算法與數據結構

• DFS、BFS與A*搜索算法
• 空間復雜度O(1)遍歷樹

劍指offer

• 如何斬下NLP算法崗offer？
• NLP算法工程師的核心競爭力
• Google、MS和BAT面經

🍡開發技巧

• 編程語言的選擇
• 編輯器、解釋器、IDE、開發環境等概念掃盲
• python開發套件推薦
• 如何與深度學習服務器優雅交互
• 數據結構的動態增長策略

?

總結

以上是生活随笔為你收集整理的NLP、炼丹技巧和基础理论文章索引的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。