机器学习岗位的面试,考的东西和学校里的考试不太一样。笔试会让你手推公式、写代码解算法题,面试则可能让你现场解释一个模型的原理,或者针对一个业务场景给出建模思路。这门课要解决的,就是这三类场景的应对问题:机器学习理论问答、LeetCode 手撕代码、以及两者的结合。
下面按读者最关心的三个问题拆开说。
它到底练什么
课程的主线是 100 道机器学习面试题,覆盖逻辑回归、支持向量机、树模型、聚类、降维、概率图、深度学习基础等常见考点。这些题不是单纯的知识问答,而是偏"面试现场会被追问"的形式——比如从损失函数推导到梯度更新,从过拟合讲到正则化,从偏差方差分解讲到集成方法的选择。
另一条线是 LeetCode 实战,选题集中在面试高频区间:数组与字符串、链表、二叉树、动态规划、回溯、贪心。机器学习岗的算法题难度通常低于纯后端岗,但对边界条件和复杂度分析的要求一样严格,所以这部分按题型组织,而不是按题号堆砌。
两条线是穿插的:理论题讲到某个算法时,会顺带点出它对应的代码实现里容易出错的细节,反之亦然。这比分开刷两套资料更接近真实面试的节奏。
学完能做什么
比较现实的目标是:拿到面试题后,能在几分钟内判断出考点属于哪一类,知道从哪个角度展开,而不是卡在第一句话。
- 面对"讲讲 XGBoost 和 GBDT 的区别"这类问题,能给出结构化回答而不是背定义;
- 面对"手写 K-means"或"实现一个 LR 的梯度下降",能独立写出可运行代码并说清复杂度;
- 面对 LeetCode 中等难度题,能识别题型、给出思路、处理边界情况;
- 能自己推导常见模型的损失函数与更新公式,而不是只记结论。
需要说明的是,这门课不负责补编程语言基础,也不讲 Python 语法入门。如果你连基本的循环、递归、类都写不熟,直接上这套资料会比较吃力,建议先补语言基础再回来。
资料适合什么基础
讲义是 PDF 形式,按题型和知识点分册,配合源码使用。阅读顺序建议是先看理论题对应的讲义章节,自己先在纸上推一遍,再看解答;LeetCode 部分则建议先自己做,卡住再看源码,做完后回头整理题型的通用套路。
基础方面,理论上需要学过一遍机器学习课程,至少知道什么是监督学习、损失函数、梯度下降;编程上需要能读懂 Python 代码,会基本的列表、字典、循环和递归。完全零基础的话,这套资料更适合作为复习和查漏,而不是第一遍学习。
怎么用效率更高
如果你时间紧、目标是近期面试,建议先过理论题的高频部分(逻辑回归、树模型、集成、常见评估指标),再集中刷 LeetCode 的数组、链表、二叉树、动态规划四类题型,其他章节当字典查。
如果你时间比较充裕,可以按讲义顺序系统过一遍,每道题都自己先写一遍再对照。源码和讲义是配套的,对照着看能发现自己在实现细节上的疏漏,比如初始化、收敛判断、边界处理这些面试官容易追问的地方。
最后一句话:这套资料的价值在于把"面试会问什么"和"怎么答得像做过"这两件事对齐,但它替代不了你自己动手推导和写代码的过程。看得懂和写得出,中间隔着一段必须自己走的路。
课程目录
����ӽ� | 100������ѧϰ������+LeetCodeʵս - �㷨���Կ� - ���ļ� - ��Դ�뽲�� ʵս�����������㷨���� �༭���� �����������ѧϰ�����⣬���LeetCodeʵս��ϵͳ�����㷨������ ? �༭�Ƽ� ��ѡ100������ѧϰ�����⣬�������ع顢����������̬�滮�Ⱥ����㷨��ʵս��������������Ӧ�����ԡ� �γ����� ? ʵս���� ? ϵͳѧϰ ? ������� �γ�Ŀ¼ ? �μ� ? ? �μ� ? ? 04�μ�PDF�汾�ϼ� ? ? 01��һ�� ��������.pdf [2.2 MB] ������.pdf [2.9 MB] ��������.pdf [2.9 MB] ���ع�.pdf [793.7 KB] ������.pdf [2.5 MB] ? ? 03������ ? ? hmm ? ? ��Ƶ�ĸ� 2.HMM������������.pdf [533.8 KB] 3.HMM������������ļ���.pdf [547.5 KB] 4.HMM�е�ά�ر��㷨.pdf [426.8 KB] 1.HMM-����ͼ���.pdf [483.7 KB] ? ? crf ? ? �ĸ岿�� CRF��Ƶ�ĸ�.pdf [792.6 KB] klinger-crf-intro.pdf [916.4 KB] ? ? kmeans k-means.pdf [1.3 MB] ? ? 04������ ? ? ���� �����������ֱ�����ʽ.pdf [2.8 MB] ������������ƽ�������.pdf [3.0 MB] ? ? ͼ�� BFS��DFS.pdf [2.9 MB] ��С������.pdf [2.0 MB] ���·��.pdf [2.9 MB] ? ? ���� ��ϣ��.pptx [16.5 MB] ջ ����.pptx [16.4 MB] �����л�����ڽ��.pptx [16.5 MB] kmp.pptx [17.0 MB] 5 13 �������½ǵ�ֵ.pptx [16.4 MB] ��ת�������С����.pptx [16.4 MB] ��һ�����ظ����ַ�.pptx [16.4 MB] ��ʾ��ֵ���ַ���.pptx [16.4 MB] ����.pptx [16.6 MB] ɾ���������ظ��Ľ��.pptx [16.4 MB] �������ʽƥ��.pptx [16.3 MB] ��������.pptx [16.7 MB] �滻�ո�.pptx [16.5 MB] 69. x ��ƽ����.pptx [16.4 MB] ? ? 02�ڶ��� ? ? svm �����ĵ�cs229_smo.pdf [77.8 KB] SVM��Ƶ�ĸ�.pdf [1023.7 KB] SMO�㷨��Ƶ�ĸ�.pdf [556.6 KB] ? ? 05������ ? ? ��̬�滮 3. leetcode416��01����ʵ����.pdf [954.1 KB] 2. 01��������.pdf [809.4 KB] 5. �����������(leetcode 1143��).pdf [775.0 KB] 1. ʲô�Ƕ�̬�滮(leetcode 70��).pdf [2.8 MB] 4. �����������(leetcode 300��).pdf [736.2 KB] ? ? �ݹ� 1. ʲô�ǵݹ�(쳲����������С���̨�ס���̬��̨��).pdf [2.9 MB] 2. ���ݷ�(�����˵��˶���Χ).pdf [3.0 MB] ? ? ����ѧϰ gbm-Freidman-1999.pdf [567.9 KB] GBDT.pdf [3.3 MB] xgboost.pdf [4.2 MB] BoostedTree.pdf [1.4 MB] xgboost paper.pdf [778.8 KB] ? ? 06������ ����.pdf [2.1 MB] ���ѧϰ�е��Ż�����.pdf [451.6 KB] �Ż��㷨֮AdaGrad��RMSProp��AdaDelta��Adam.pdf [747.6 KB] �ݶ��½�������ݶ��½�.pdf [1.3 MB] ? ? ���ع�������� ? ? ���ع�week1�������� ? ? Դ�� iris_lr_demo.py [778.0 B] LogisticRegression.py [3.0 KB] LogisticRegressionʵս.pdf [817.0 KB] ? ? ������week1�������� ? ? Դ�� 04-Gini-Index.ipynb [17.1 KB] 01-What-is-Decision-Tree.ipynb [22.2 KB] 02-Entropy.ipynb [16.1 KB] 05-CART-and-Decision-Tree-Hyperparameters.ipynb [68.7 KB] 03-Entropy-Split-Simulation.ipynb [17.4 KB] ������ʵս.pdf [423.1 KB] ? ? 03����ϼ� ? ? ���� ���ع�������.pdf [374.6 KB] logistics.py [915.0 B] ? ? hmm ? ? ���벿�� ? ? data 199801�����ձ�.data [10.6 MB] ? ? model hmm.model [301.2 KB] hmm_segment.py [3.7 KB] ? ? �Ż��㷨 ? ? ���� ʵս����.zip [112.2 KB] ? ? ǰ�������� code.zip [189.4 KB] ? ? SVM ? ? ���� 03-SVM-Regressor.ipynb [3.3 KB] 01-SVM-in-scikit-learn.ipynb [70.0 KB] 02-RBF-Kernel-in-scikit-learn.ipynb [80.2 KB] ? ? ���� ? ? ���� 01-���ؿ��巽����ⶨ�����Լ���Ҫ�Բ���.ipynb [226.8 KB] 1.png [25.1 KB] 02-��任�����ͽ��ܾܾ�������ʵ��.ipynb [66.6 KB] 04-Metropolis-Hastingsʵ��Beta�ֲ��IJ���.ipynb [26.7 KB] 03-�����Ʒ�����ƽ�ȷֲ�.ipynb [5.5 KB] ? ? RNNʵս RNNʵս.pdf [1.1 MB] RNN.ipynb [27.3 KB] ? ? kmeansʵս kmeans�㷨ʵս.pdf [621.4 KB] 1.png [65.3 KB] data.txt [610.0 B] kmeans.ipynb [331.2 KB] �μ�˵��.png [493.5 KB] �μ��ؿ�.png [493.5 KB] 42.Week5�����ݽṹ���㷨�������������(leetcode1143��).mp4 [27.3 MB] 35.Week5��ǰ�������硿P4����1.mp4 [20.6 MB] 45.Week5���˽����������г��õ�ѭ�������硿P2GRU��LSTM.mp4 [11.6 MB] 30.����۱�nlp�������ڶ��ܵ��������ѧϰbaseline����.mp4 [108.2 MB] 22.Week3�����ݽṹ���㷨��P4ջ������.mp4 [32.1 MB] 26.����۱�nlp��������һ�ܵ����ڡ���Baselineʵ��.mp4 [70.2 MB] 06.Week1���˽�ලѧϰ�еľ����㷨��P1���ع�.mp4 [20.3 MB] 10.Week2��ѧϰ֧����������P3Ӳ���SVM���Ż�������Ƶ�.mp4 [37.0 MB] 13.Week2��ѧϰ֧����������P6smo�㷨.mp4 [41.6 MB] 32.����۱�nlp�����������ܵ�һ�����ѧϰģ������.mp4 [103.9 MB] 43.Week5�����ݽṹ���㷨�������������(leetcode300��).mp4 [24.1 MB] 30.Week4�����ݽṹ���㷨��P4�������ı���.mp4 [24.6 MB] 11.Week2��ѧϰ֧����������P4���Կɷ�SVM.mp4 [24.5 MB] 49.Week6������ѧϰ��ԭ���ͳ����ļ���ѧϰ��P4���������ͻع�����.mp4 [11.7 MB] 33.����۱�nlp�����������ܵڶ���ģ�͵��κ�ģ���ں�.mp4 [70.7 MB] 18.Week3���˽����ѧϰ�еķǼලѧϰ�㷨��K-means.mp4 [37.5 MB] 41.Week5�����ݽṹ���㷨��leetcode416��01����ʵ����.mp4 [36.4 MB] 34.Week5��ǰ�������硿P3��ʧ����ѡ��.mp4 [6.5 MB] 20.Week3�����ݽṹ���㷨��P2�����л�����ڽ��.mp4 [51.6 MB] 47.Week6������ѧϰ��ԭ���ͳ����ļ���ѧϰ��P2�ݶ��������㷨.mp4 [26.2 MB] 23.Week4������ѧϰ�еĸ���ͼģ�͡�P1hmm������������Ľ���.mp4 [27.1 MB] 04.Week1���˽����ѧϰ�е��������̺�ģ��������P3��������.mp4 [21.3 MB] 40.Week5�����ݽṹ���㷨��01��������.mp4 [47.1 MB] 17.Week2���˽����ѧϰ����ν�ά������PCA��LDA.mp4 [42.0 MB] 19.Week3�����ݽṹ���㷨��P1����ͷ���.mp4 [59.3 MB] 27.Week4�����ݽṹ���㷨��P1DFS��BFS.mp4 [34.9 MB] 12.Week2��ѧϰ֧����������P5�˺���.mp4 [23.6 MB] 54.Week6��xgboost��ԭ���Լ����������⡿P6�����Ż�.mp4 [11.1 MB] 31.����۱�nlp�������ڶ��ܵ��Ľ����ѧϰbaseline������֤.mp4 [47.2 MB] 44.Week5���˽����������г��õ�ѭ�������硿P1RNN.mp4 [22.5 MB] 23.����۱�nlp��������һ�ܵ�һ���˽�NLP�������Ϥ������Ŀ-��ǰ���ܺ���.mp4 [33.7 MB] 29.����۱�nlp�������ڶ��ܵڶ��ڴ�������word2vec���.mp4 [73.1 MB] 15.Week2�����ݽṹ���㷨��P2��������.mp4 [45.3 MB] 16.Week2�����ݽṹ���㷨��P3��ϣ��.mp4 [21.9 MB] 09.Week2��ѧϰ֧����������P2svm���Ż�����.mp4 [16.9 MB] 07.Week1���˽�ලѧϰ�еľ����㷨��P2������.mp4 [24.1 MB] 48.Week6������ѧϰ��ԭ���ͳ����ļ���ѧϰ��P3����������.mp4 [37.5 MB] 24.Week4������ѧϰ�еĸ���ͼģ�͡�P2HMMԤ������֮ά�ر��㷨.mp4 [39.9 MB] 14.Week2�����ݽṹ���㷨��P1KMP�㷨.mp4 [56.4 MB] 53.Week6��xgboost��ԭ���Լ����������⡿P5ȱʧֵ�����㷨.mp4 [20.0 MB] 46.Week6������ѧϰ��ԭ���ͳ����ļ���ѧϰ��P1�������㷨.mp4 [25.7 MB] 39.Week5�����ݽṹ���㷨��ʲô�Ƕ�̬�滮(leetcode70��).mp4 [18.3 MB] 28.����۱�nlp�������ڶ��ܵ�һ��tensorflow2.0����.mp4 [71.6 MB] 21.Week3�����ݽṹ���㷨��P3ɾ���������ظ��Ľ��.mp4 [22.2 MB] 29.Week4�����ݽṹ���㷨��P3��С������.mp4 [25.9 MB] 26.Week4������ѧϰ�еĸ���ͼģ�͡�P4crf�������.mp4 [31.3 MB] 27.����۱�nlp��������һ�ܵ��Ľ���֤�������ͽ�����֤.mp4 [77.6 MB] 31.Week4�����ݽṹ���㷨��P4������������ƽ�������.mp4 [35.9 MB] 08.Week2��ѧϰ֧����������P1������Ҫ�ĸ���.mp4 [7.4 MB] 25.����۱�nlp��������һ�ܵڶ������ݷ���������.mp4 [78.2 MB] 24.����۱�nlp��������һ�ܵ�һ���˽�NLP�������Ϥ������Ŀ-������ܺ�˼·����.mp4 [38.8 MB] 37.Week5�����ݽṹ���㷨��ʲô�ǵݹ�(쳲����������С���̨�ס���̬��̨��).mp4 [38.5 MB] 33.Week5��ǰ�������硿P2ǰ��.mp4 [14.1 MB] 32.Week5��ǰ�������硿P1����ͼ�ͼ����.mp4 [9.2 MB] 25.Week4������ѧϰ�еĸ���ͼģ�͡�P3crf��һЩ��������.mp4 [24.8 MB] 50.Week6��xgboost��ԭ���Լ����������⡿P1xgboost��һЩԤ��֪ʶ.mp4 [20.5 MB] 38.Week5�����ݽṹ���㷨�����ݷ�(�����˵��˶���Χ).mp4 [66.3 MB] 36.Week5��ǰ�������硿P5����2.mp4 [57.3 MB] 05.Week1���˽����ѧϰ�е��������̺�ģ��������P4˫ָ��.mp4 [27.7 MB] 03.Week1���˽����ѧϰ�е��������̺�ģ��������P2������.mp4 [27.0 MB] 01.����.mp4 [10.6 MB] 51.Week6��xgboost��ԭ���Լ����������⡿P2�ṹ��.mp4 [26.8 MB] 52.Week6��xgboost��ԭ���Լ����������⡿P3̰���㷨Ѱ�ҷ��ѵ�.mp4 [33.8 MB] 02.Week1���˽����ѧϰ�е��������̺�ģ��������P1��������.mp4 [29.7 MB] 28.Week4�����ݽṹ���㷨��P2���·��.mp4 [33.0 MB] �ʺ���Ⱥ ����ѧϰ��ѧ�� �㷨������ ��ְ�� ѧϰ�ջ� ���պ����㷨 �������Լ��� ���̱�̻��� ף��ѧϰ��죡 ѧ�����ɣ�ǰ���ƽ���






