机器学习算法工程师

机器学习算法工程师学习内容有特征处理工程、基础开发能力、单机开发工具、大数据开发工具、架构设计、开发语言、基础数据结构与算法、概率和统计基础、机器学习理论。关注我可以持续获得优质导图！

机器学习算法工程师

• 特征处理&工程
  • 特征选择方法
  • 特征规范化
  • 特征离散化
  • 特征交叉&组合
• 基础开发能力
  • 单元测试
  • 逻辑抽象复用
  • 稳定性、性能、健壮性调优能力
  • 代码整洁度、可读性和可维护性
• 单机开发工具
  • numpy
  • sklearm
  • pandas
  • matplotlib
  • libsvm&liblinear
  • xgboost
• 大数据开发工具
  • hadoop
  • spark
  • Storm
• 架构设计
  • 数据仓库&数据流架构
  • 机器学习相关服务架构
• 开发语言
  • python
  • scala
  • R
• 基础数据结构与算法
  • 树与相关算法
  • 图与相关算法
  • 哈希表与相关算法
  • 矩阵与相关算法
• 概率和统计基础
  • 大数定理&中心极限定理
  • 常用概率分布
  • 假设检验理论
  • 最大似然理论
  • 最大后验理论
  • EM算法
  • 贝叶斯理论
  • 贝叶斯分类错误率
• 机器学习理论
  • 基础理论
    • bias-variance tradeoff
    • VC Dimension
    • 信息化
    • 正则化
    • 最优化理论
  • 有监督学习
    • knn
    • naive bayes
    • LR
    • 决策树
    • boosting&gbdt
    • bagging&random forest
    • 神经网络
    • fm
  • 无监督学习
    • kmeans
    • 层次聚类
    • DBSCAN
    • 混合高斯模型
    • LSI&pLSA&LDA
    • PCA
    • SVD&NMF
    • word2vec