推荐直接网站在线阅读：aicoting |AI算法面试学习
前面我们介绍了机器学习中的所有知识点，从最开始确定机器学习知识库知识体系框架，到编写内容，再到最后的排版，前前后后三个月的时间，终于机器学习知识库和大家见面，知识库中从机器学习的定义，到数学与理论基础，再到数据与特征工程，再到监督学习方法、无监督学习方法、半监督学习方法、强化学习，最后再到模型评估，我尽量涵盖了机器学习所有的经典内容。
所有相关源码示例、流程图、模型配置与知识库构建技巧，我也将持续更新在Github：AIHub，欢迎关注收藏！
并且为了帮助大家更好的理解，其中绝大部分知识点都编写了示例代码，大家可以结合进行学习。
添加图片注释，不超过 140 字（可选）
添加图片注释，不超过 140 字（可选）
如果你看到了这里，你可以在脑袋里回忆一下机器学习的知识框架，每个条目里都有什么知识点你还记得吗？这个知识点你大概全都理解了吗？是不是已经掌握了？面试官如果问我我能清晰的回答出来吗？
如果上面的答案全都是yes，那么恭喜你，你已经为深度学习和AI大模型打下了坚实的基础，更深层次的学习不会比从0到1更困难了！
这个知识库到这里并没有结束，我后续会进行持续更新，如果大家觉得有什么经典的知识点或者面试常问的知识点我没有讲到，欢迎在下方留言！！！
我把机器学习的所有文章均列在了下方，供大家随时阅读。
机器学习概述和数学基础
数据与特征工程
监督学习方法
无监督学习方法
半监督与强化学习
模型评估与选择
万字长文！搞懂机器学习中的分类|回归|聚类任务都有哪些常用的评估指标！
最新的文章都在公众号aicoting更新，别忘记关注哦！！！
作者：coting
分享是一种信仰，连接让成长更有温度。
我们下次不见不散！
