「AI岗面试必备」XGBoost、Transformer、BERT、水波网络原理解析

允中 发自 凹非寺
量子位 编辑 | 公众号 QbitAI

在当今的人工智能时代，相信大部分人都会关注深度学习技术，但请千万不要忽视对传统机器学习技术的理解。实际上，真正去从事AI工作的时候就会发现，对传统机器学习的依赖还是巨大的。如逻辑回归、随机森林、GBDT、XGBoost、SVM等模型仍然在非常多的应用中占有着不可忽视的地位。

《XGBoost》作为近几年最为火热的技术之一，受到了业界广泛的应用。但相比其他的技术，全面理解XGBoost的技术细节还是有一定的挑战的。

《Attention, Transformer, BERT》，”预训练模型“作为NLP过去10年最为颠覆性的成果，小组学习中将重点讲解Transformer模型和它的核心Self-Attention机制，同时也会对BERT模型做详细的讲解。

《FM、基于知识图谱的推荐方法》，FM作为业界标配的存在，不得不说确实应用广泛，近几年，基于知识图谱的推荐方法越来越流行，小组学习中将重点要学习的是基于图的推荐方法—水波扩散法。

为了帮助大家能够对其有个更深入的理解这些内容，贪心学院特此组织了这次的学习小组计划，深入浅出讲解每个算法模型的每一个技术细节。对于想了解算法底层的朋友们来说，参加这次活动绝对有很大收获！感兴趣的朋友们可以扫一下下方二维码报名参加，不见不散！

免费报名参加学习小组

请进入以下网址：

https://uai.greedyai.com/assignSeller/11?source=20200715liangziwei

免费报名参加学习小组

请进入以下网址：

https://uai.greedyai.com/assignSeller/11?source=20200715liangziwei

— 完 —