玩家你好
恭喜你捡到了一个来自上古时期的*七*星*炼*丹*炉*，只见炉壁上镶嵌着自然语言处理、推荐系统、信息检索、深度炼丹、机器学习、数学与基础算法等失传已久的江湖秘术。熔炉中虽然已有一层厚厚尘土，却依然掩盖不住尘埃下那一颗颗躁动不安的仙丹。
ps: 喂喂喂，你萌不要只收藏不点赞哇(｡ ́︿ ̀｡)
仔细看来，似见炉壁上有几个似乎在诉说什么秘密的图案，和一些歪歪扭扭的文字
🍻内涵段子
🥜自然语言处理
🍥深度学习与炼丹技巧
🍪机器学习与数据挖掘
🥥搜索与推荐系统
🍖求职面经
🍡开发技巧
刹那间，画风突变。
小夕还为大家准备了上述方向的高质量学习/讨论群，邀请了众多萌妹子（划掉）、顶会审稿人、大厂研究员/算法高T和知乎大V们帮助大家快速成长！进入微信公众号【夕小瑶的卖萌屋】，点击主页底部【撩一下】添加小夕微信号，小夕拉你入群哦。
🍻内涵段子
万万没想到，我的炼丹炉玩坏了
他与她，一个两年前的故事
如何优雅的追到女神夕小瑶
如果你跟夕小瑶恋爱了...（上）
如果你跟夕小瑶恋爱了...（下）
一位老师，一位领导，一个让全体学生考上目标学校的故事
从前，小夕种了一棵树
🥜自然语言处理
限定域文本语料的短语挖掘（Phrase Mining）
NLP的游戏规则从此改写？从word2vec, ELMo到BERT
后BERT时代：15个预训练模型对比分析与关键点探究
文本匹配相关方向打卡点总结
如何打造高质量的NLP数据集
自然语言处理有哪些方向适合独立研究？
文本分类有哪些论文中很少提及却对性能有重要影响的tricks？
夕小瑶：从DPCNN出发，撩一下深层word-level文本分类模型
史上最可爱的关系抽取指南？
从一条规则到十个开源项目
Step-by-step to Transformer：深入解析工作原理（以Pytorch机器翻译为例）
2019 年，智能问答（Question Answering）的主要研究方向有哪些？
小哥哥，检索式chatbot了解一下？
您的DST大礼包请查收 对话系统的设计艺术（完结）
🍥神经网络与炼丹
模型训练太慢？显存不够用？这个算法让你的GPU老树开新花理论干货
- 前馈神经网络（NN） ▶▶ 卷积神经网络（CNN） ▶▶ 卷积层 vs 分类层
- 循环神经网络（RNN） ▶▶ 长短时记忆网络（LSTM）
- 深度学习资料推荐
- 高维空间的局部最优点分析
- 参数初始化trick之Xavier方法解析
- 偏置项b的作用
- 深度神经网络的BP过程
- BP算法的由来与本质
- 激活函数=生物转换器？
训练trick
- 神经网络调参指南
- 提高GPU利用率的N个tricks
- 训练神经网络时如何确定batch size？
- 如何与深度学习服务器优雅交互
🍪机器学习与数据挖掘
一时学习一时爽，"持续学习"持续爽 还在随缘炼丹？一文带你详尽了解机器学习模型可解释性的奥秘数学基础
- 机器学习先导之数学基础
- 矩阵与矩阵运算
- 特征值、特征向量与特征分解
- 2范数
- 奇异值分解
机器学习理论
- RL核心问题与Bandit老虎机
- 强化学习扫盲
- Q-learning到DQN
- EM算法详解-理论篇
- EM算法详解-工程篇
- 关于高维空间中的局部最优点与鞍点
- 机器学习入门资料推荐（一）
- 机器学习入门资料推荐（二）
- 机器学习入门资料推荐（三）
统计ML模型与概率图模型
判别式：
- 逻辑回归(LR) ▶▶ 最大熵模型(ME) ▶▶ 线性链条件随机场(Linear-chain CRF)
- 逻辑回归(LR) ▶▶ 受限玻尔兹曼机(RBM) ▶▶ 玻尔兹曼机(BM)
- ID3决策树 ▶▶c4.5中的信息增益比 ▶▶ Adaboost
生成式:
- 朴素贝叶斯(NB) ▶▶ 隐马尔可夫模型(HMM) ▶▶ 贝叶斯网络/信念网络(BN)
- 朴素贝叶斯 vs 逻辑回归
- HMM的训练与使用
- 似然函数 vs 交叉熵
🥥搜索与推荐
搜索引擎核心技术与算法 —— 倒排索引初体验
搜索引擎核心技术与算法 —— 词项词典与倒排索引优化
深度推荐系统2019年度阅读收藏清单
详解深度语义匹配模型DSSM和他的兄弟姐妹
想让推荐和搜索引擎更聪明？
基于知识图谱的篇章标签生成
🍖求职面经
算法与数据结构
- DFS、BFS与A*搜索算法
- 空间复杂度O(1)遍历树
剑指offer
- 如何斩下NLP算法岗offer？
- NLP算法工程师的核心竞争力
- Google、MS和BAT面经
🍡开发技巧
- 编程语言的选择
- 编辑器、解释器、IDE、开发环境等概念扫盲
- python开发套件推荐
- 如何与深度学习服务器优雅交互
- 数据结构的动态增长策略
