) 注意方法论，算法与其他课程不同，不仅讲授知识，更重要的是讲授方法，因此需要通过例子学习方法，学习每种算法设计或分析方法的思维方式和思考步骤。
越来越觉得做机器学习有关的时候思维才是最重要的，这和你使用什么算法其实没有什么关系，也不是一个调用一个牛逼的算法就能解决问题，方法还是得人想，问题也得人来发现，数据处理和特征工程有时候也很重要。想用一些博客记录一下学习的过程，也想练一下自己的“内功”。
2章 算法设计思想之“分而治之”从本章开始我们就要进入算法设计学习阶段啦！分而治之的口诀一旦背下来，解题只在瞬息之间！还在等什么，快来享受学习的乐趣！
在基于TensorFlow的深度学习框架大红大紫之前，其实在2010年前后流行过很多的经典机器学习框架。比如KNN，比如支撑向量机，比如随机森林。相对于深度学习的理论，这些经典的机器学习算法构建在更为精密的数学推导上。运筹学，最优化理论，数学分析，数理统计和随机过程构成了这些算法的理论基础，也是进一步学习各种基于神经网络的深度学习算法的基础。
请简要介绍41个机器学习面试题166012018-01-2541 Essential Machine Learning Interview Questions (with answers)一、算法理论Q1: 什么是偏倚（bias）、方差（variable）均衡？偏倚指的是模型预测值与真实值的差异，是由使用的学习算法的某些错误或过于简单的假设造成的误差。它会导致模型欠拟合，很难有高的预测准确率。方差指的是不同训练数据训练的模型的预测值之间的差机器学习面试题汇总（1~50题）8832019-03-24机器学习面试题汇总（1~50题）1 深度神经网络预防过拟合的方法？2 SMOTE算法（过采样算法）？3 为什么LR（逻辑回归）用sigmoid函数？4 LR损失函数？5 几种神经网络梯度下降方法？6 克莱姆法则？7 各种排序的时间复杂度？8 鞍点上的Hessian矩阵情况9 均匀分布的期望和方差？10 切比雪夫不等式？11 如何检验数据是否符合正态分布？12 协方差相关系数？13 ROC曲线绘制？想去机器学习初创公司做数据科学家？这些问题值得你三思！1472016-12-20想去机器学习初创公司做数据科学家？这些问题值得你三思！想去机器学习初创公司做数据科学家？这些问题值得你三思。机器学习和数据科学被看作是下一次工业革命的驱动器。这也意味着有许许多多令人激动的初创公司正在起步成长、寻找专业人士和数据科学家。它们可能是未来的特斯拉、谷歌。对于有职业抱负的你来说，看好一家好的创业公司团队后，如何能够脱颖而出，进入一家靠谱的创业团10.74MB BAT机器学习面试1000题系列。
