JS書籍推薦:
js語言精粹, 你不懂js, 代碼整潔之道
學習建議:
1,夯實基礎知識
2,自學
3,好奇心
4,善於總結
5,看書+實操項目
機器學習:
機器學習相關的項目,需要包含:項目介紹,項目涉及的核心技術/算法介紹,你所完成的內容,最終得到了怎樣的結果(比如score)
「機器學習進階納米學位」的畢業項目中,我們提供多個Kaggle競賽的選題(剛剛發出來的是我們最近這一期剛剛更新的畢業項目選題),並且有kaggle master/grand master等具有多年經驗的高級工程師來幫助大家逐行審閱代碼,給出建模建議,以及社羣中的答疑服務,並且我們不僅僅滿足於大家僅實現模型,會通過指導給大家提出優化模型的建議,達到在Kaggle很高的排名和分數。對於每一個從機器學習進階畢業的學生來說,這都是簡歷上非常有亮點的經歷。
實戰項目的題目:
A. 計算機視覺方向:
1)貓狗大戰:使用深度學習方法識別圖片是貓還是狗。
2)算式識別(挑戰項目):使用深度學習識別圖片中的四則運算表達式,實現 AI 自動解題。
B. 自然語言處理:
1)句子相似度匹配:使用自然語言處理技術判別兩個非常接近的句子是否相似,這是對NLP領域不同方面知識的綜合應用。
2)惡毒評論分類(挑戰項目):使用自然語言處理技術對網絡惡毒垃圾評論進行檢測,應用深度學習技術進行分類。
C. 深度強化學習:
1)訓練四軸飛行器學會飛行:使用深度神經網絡,設計一個可以在模擬環境中進行決策的系統。把強化學習應用到電子遊戲和機器人開發等複雜的領域中。
D. 數據挖掘
1)舊金山罪案類型預測:用12年的數據建立預測模型, 根據罪案發生的GPS定位、警區、發生時間等信息,判斷罪案類型, 幫助警方在罪案發生時快速分配警力。
2)預測Rossmann未來的銷售額(挑戰項目):根據Rossmann藥妝店的信息(如促銷、競爭對手、節假日)以及在過去的銷售情況,預測Rossmann未來的銷售額。
偏研究類的崗位,會對專業和學歷有要求,其它類型的話,更多會看你掌握的技能和你的項目經驗,在GitHub 越活躍,參與的開源項目越多,會很有幫助。
工作崗位和麪試
前端:
html css js,
React Vue Angular
AI:
數據結構和算法
Python, c/c++,Java
ML,DL
圖像和語言