收藏! 超全的github计算机算法机器学习深度学习的面试指南集锦
Posted 深度学习炼丹
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了收藏! 超全的github计算机算法机器学习深度学习的面试指南集锦相关的知识，希望对你有一定的参考价值。
这是github 上的计算机基础、算法、机器学习、深度学习的面试算法指南的汇总，非常值得收藏。
1、leetcode 题解，记录自己的 leetcode 解题之路
github上35万星
https://github.com/azl397985856/leetcode
2、收录常见面试算法题，包括 剑指offer 和 LeetCode
https://github.com/YaxeZhang/Just-Code
3、作者将 LeetCode 上所有的题目都用动画的形式演示出来
github上57万星
https://github.com/MisterBooo/LeetCodeAnimation
4、从零开始学算法，LeetCode上算法的分类讲解
https://muyids.github.io/simple-algorithm/
5、一份来自亚马逊工程师的Google面试指南，GitHub收获13万星
作者的介绍非常全面，以及总结了如何去全面的准备，非常值得学习
https://github.com/jwasham/coding-interview-university/blob/master/translations/README-cn.md
6、2021秋招 计算机视觉算法岗面经整理——包含实习和校招等 内推整理
https://github.com/DWCTOD/interview
7、从2010年10月起，July 开始整理一个微软面试100题的系列，他在整理这个系列的过程当中，越来越强烈的感觉到，可以从那100题中精选一些更为典型的题，每一题详细阐述成章，不断优化，于此，便成了程序员编程艺术系列。
https://github.com/julycoding/The-Art-Of-Programming-By-July
8、架构、搜索、推荐、广告系统优质资源整理
这篇文章意图是收集市面上质量不错的后端架构、AI架构、搜索、 推荐、 广告引擎技术资料，内容来源包括开源项目官网（Lucene、Solr、Elastic）、综合技术网站（AIQ 、infoQ、Stackoverflow、github 等、国内外知名互联网公司技术博客（阿里中间件团队博客、美团技术博客等）、知名技术牛人公众号博客等。
https://github.com/cbamls/AI_Tutorial
9、算法实现可视化
https://github.com/algorithm-visualizer/algorithm-visualizer
10、深度学习相关的系列文章，总结了在深度学习实践中的一些经验，包括常见深度学习框架、基础网络、神经网络的优化、模型之间的转换、适用于移动端的框架、神经网络的设计、神经网络的适用场景、基础网络的训练、相关面试题、对抗蒸馏
https://github.com/zeusees/HyperDL-Tutorial
11、深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。
https://github.com/scutan90/DeepLearning-500-questions
12、机器学习、深度学习、自然语言处理汇总
https://github.com/apachecn/AiLearning
更多关注
收藏 | 超全的 100 个 Pandas 函数
点上方人工智能算法与Python大数据获取更多干货
在右上方 ··· 设为星标 ★，第一时间获取资源
仅做学术分享，如有侵权，联系删除
转载于 ：吊车尾学院
统计汇总函数
函数 | 含义 |
min() | 计算最小值 |
max() | 计算最大值 |
sum() | 求和 |
mean() | 计算平均值 |
count() | 计数（统计非缺失元素的个数） |
size() | 计数（统计所有元素的个数） |
median() | 计算中位数 |
var() | 计算方差 |
std() | 计算标准差 |
quantile() | 计算任意分位数 |
cov() | 计算协方差 |
corr() | 计算相关系数 |
skew() | 计算偏度 |
kurt() | 计算峰度 |
mode() | 计算众数 |
describe() | 描述性统计（一次性返回多个统计结果） |
groupby() | 分组 |
aggregate() | 聚合运算（可以自定义统计函数） |
argmin() | 寻找最小值所在位置 |
argmax() | 寻找最大值所在位置 |
any() | 等价于逻辑“或” |
all() | 等价于逻辑“与” |
value_counts() | 频次统计 |
cumsum() | 运算累计和 |
cumprod() | 运算累计积 |
pct_change() | 运算比率（后一个元素与前一个元素的比率） |
数据清洗函数
函数 | 含义 |
duplicated() | 判断序列元素是否重复 |
drop_duplicates() | 删除重复值 |
hasnans() | 判断序列是否存在缺失（返回TRUE或FALSE） |
isnull() | 判断序列元素是否为缺失（返回与序列长度一样的bool值） |
notnull() | 判断序列元素是否不为缺失（返回与序列长度一样的bool值） |
dropna() | 删除缺失值 |
fillna() | 缺失值填充 |
ffill() | 前向后填充缺失值（使用缺失值的前一个元素填充） |
bfill() | 后向填充缺失值（使用缺失值的后一个元素填充） |
dtypes() | 检查数据类型 |
astype() | 类型强制转换 |
pd.to_datetime | 转日期时间型 |
factorize() | 因子化转换 |
sample() | 抽样 |
where() | 基于条件判断的值替换 |
replace() | 按值替换（不可使用正则） |
str.replace() | 按值替换（可使用正则） |
str.split.str() | 字符分隔 |
数据筛选函数
函数 | 含义 |
isin() | 成员关系判断 |
between() | 区间判断 |
loc() | 条件判断（可使用在数据框中） |
iloc() | 索引判断（可使用在数据框中） |
compress() | 条件判断 |
nlargest() | 搜寻最大的n个元素 |
nsmallest() | 搜寻最小的n个元素 |
str.findall() | 子串查询（可使用正则） |
绘图与元素级运算函数
函数 | 含义 |
hist() | 绘制直方图 |
plot() | 可基于kind参数绘制更多图形（饼图，折线图，箱线图等） |
map() | 元素映射 |
apply() | 基于自定义函数的元素级操作 |
时间序列函数
函数 | 含义 |
dt.date() | 抽取出日期值 |
dt.time() | 抽取出时间（时分秒） |
dt.year() | 抽取出年 |
dt.mouth() | 抽取出月 |
dt.day() | 抽取出日 |
dt.hour() | 抽取出时 |
dt.minute() | 抽取出分钟 |
dt.second() | 抽取出秒 |
dt.quarter() | 抽取出季度 |
dt.weekday() | 抽取出星期几（返回数值型） |
dt.weekday_name() | 抽取出星期几（返回字符型） |
dt.week() | 抽取出年中的第几周 |
dt.dayofyear() | 抽取出年中的第几天 |
dt.daysinmonth() | 抽取出月对应的最大天数 |
dt.is_month_start() | 判断日期是否为当月的第一天 |
dt.is_month_end() | 判断日期是否为当月的最后一天 |
dt.is_quarter_start() | 判断日期是否为当季度的第一天 |
dt.is_quarter_end() | 判断日期是否为当季度的最后一天 |
dt.is_year_start() | 判断日期是否为当年的第一天 |
dt.is_year_end() | 判断日期是否为当年的最后一天 |
dt.is_leap_year() | 判断日期是否为闰年 |
其它函数
函数 | 含义 |
append() | 序列元素的追加（需指定其他序列） |
diff() | 一阶差分 |
round() | 元素的四舍五入 |
sort_values() | 按值排序 |
sort_index() | 按索引排序 |
to_dict() | 转为字典 |
tolist() | 转为列表 |
unique() | 元素排重 |
---------♥---------
声明：本内容来源网络，版权属于原作者
图片来源网络，不代表本公众号立场。如有侵权，联系删除
AI博士私人微信，还有少量空位
点个在看支持一下吧
以上是关于收藏! 超全的github计算机算法机器学习深度学习的面试指南集锦的主要内容，如果未能解决你的问题，请参考以下文章
库教程论文实现，这是一份超全的PyTorch资源列表（Github 2.2K星）
这是一份超全机器学习&深度学习资源清单(105个AI站点)，请收藏！