深度学习百科及面试资源

深度学习基础篇

• 深度学习
  • 基础知识
  • 距离计算
  • 评估方式
  • 优化策略
  • 激活函数
  • 损失函数
  • 模型调优
  • 归一化算法
• 卷积模型
  • CNN综述
  • 池化
  • CNN模型的参数量与计算量计算
  • 卷积算子
• 序列模型
  • 词表示
  • 循环神经网络RNN
  • 长短时记忆网络LSTM
  • 门控循环单元GRU

深度学习进阶篇

• 预训练模型
  • 预训练模型是什么
  • 预训练分词Subword
  • ELMo
  • Transformer
  • Transformer-XL
  • Longformer
  • GPT
  • XLNet
  • BERT
  • SpanBERT
  • RoBERTa
  • ERINE
  • ERNIE 3.0
  • ERNIE-Gram
  • ERNIE-Doc
  • THU-ERNIE
  • KBERT
  • ALBERT
  • ELECTRA
  • Performer
• 对抗神经网络
  • 基本概念
  • 编码器和解码器
  • GAN应用
  • GAN综述

深度学习应用篇

• 计算机视觉
  • 图像增广
    • 一、数据增广
    • 二、常用数据增广方法
    • 三、图像变换类
    • 四、图像裁剪类
    • 五、图像混叠
    • 六、实验
    • 参考文献
    • 测试时增强
  • 图像分类
    • LeNet
    • AlexNet
    • VGG
    • GoogLeNet
    • DarkNet
    • ResNet
    • ResNeXt
    • Res2Net
    • Swin Transformer
    • ViT
  • 目标检测
    • 目标检测综述
    • 边界框（bounding box）
    • 锚框（Anchor box）
    • 交并比
    • NMS
    • SoftNMS
  • 语义分割
    • DeepLabV3
    • 综述
  • OCR
    • OCR综述
    • OCR检测方法
    • OCR识别方法
  • 视频分类
    • TSM
    • TimeSformer
• 自然语言处理
  • 命名实体识别
    • 命名实体识别是什么
    • 一文读懂BiLSTM+CRF实现命名实体识别
  • N-Gram
    • 介绍
    • 概率计算
  • SimCSE
    • 1.介绍
    • 2.对比学习背景
    • 3.无监督SimCSE
    • 4.有监督SimCSE
    • 5.各向异性问题
    • 6.实验细节
    • 7.总结
    • 8.参考文献
• 推荐系统
  • 推荐系统基础
    • 推荐系统的产生
    • 应用场景
    • 推荐系统的方法
    • 推荐系统的组成
  • 推荐系统的评价指标
    • 场景转化指标
    • 消费满意度
    • 离线评估验证方法
    • 离线评估的主要指标
    • Replay
    • 用户数据指标
  • DSSM
    • 背景
    • DSSM
    • 参考文献
  • DeepFM
    • 1.模型简介
    • 2.DeepFM模型结构
    • 3.FM
    • 4.DNN
    • 5.Loss及Auc计算
    • 6.与其他模型的对比
    • 7.参考文献
• 元学习
  • 元学习概述
    • 1 元学习概念
    • 2 元学习含义
    • 3 元学习单位
    • 4 基学习器和元学习器
    • 5 元学习工作原理
    • 6 元学习关键
    • 7 元学习分类
  • 基于优化的元学习
    • MAML
    • Reptile
    • LEO
  • 基于度量的元学习
    • SNAIL
    • RN
    • PN
    • MN
  • 基于模型的元学习
    • Learning to Learn
    • Meta-Learner LSTM

产业实践篇

• 模型压缩
  • 模型压缩概述
  • 模型蒸馏
• 模型部署

强化学习篇

• 强化学习
  • 强化学习基础知识点
  • 马尔科夫决策过程
  • 策略梯度定理
  • 蒙特卡洛策略梯度定理
  • REINFORCE 算法
  • SARSA
  • Q-Learning
  • DQN
  • Actor-Critic

面试宝典

• 面试问题
  • 深度学习基础
  • 卷积模型
  • 预训练模型
  • 对抗神经网络
  • 计算机视觉
  • 自然语言处理
  • 推荐系统
  • 模型压缩
  • 强化学习