Python_Machine_Learning/机器学习工作要求.md
熟练使用java, C++, python
熟练运用SQL
熟悉Hadoop、Storm、Spark、Flink等分布式处理平台(Hadoop —> Storm —> Spark —> Flink)
对机器学习、深度学习、迁移学习、强化学习、异常检测其中之一理解透彻；对分类、回归、聚类、标注等统计机器学习问题具有很深的理解；熟悉常用的机器学习算法模型：lr、knn、naive bayes、rf、gbdt、svm、pca、svd、kmeans、kmodes、rl、din、cnn、rnn、NN(LSTM/AlexNet/GoogleNet/ResNet等)、TL等一部分或全部，有一定广度
在以下至少一个领域有深入研究：深度学习、自然语言处理、搜索算法、推荐算法、异常检测、图像识别、统计机器学习、互联网风控、广告、图挖掘、文本挖掘、知识图谱、模式识别、排序系统、数据挖掘、运筹优化、精准投放、个性化搜索经验、路径规划、人机交互、智能问答、文本检索、多语言处理
优秀的算法应用能力，包括特征提取、模型建立、效果评估、应用部署以及优化迭代等环节
良好的数学基础
良好的算法和数据结构基础
熟悉LTR模型、CTR预估算法等
Caffe
TensorFlow
Keras
SkLearn
Weka
Mahat
libSVM
sklearn
CRF++
参加ACM竞赛并取得名次者优先
有实际成果并发表在国际顶级会议、期刊（如CVPR，ICCV，ECCV，NIPS，ICLR，TPAMI等）者优先
有在ImageNet、MSCOCO、ICDAR等权威数据库上提交过结果并取得优异成绩者优先
长期跟踪机器学习领域的研究论文
结构化的知识才有力量。水泥钢筯以科学的比例和结构组织在一起才能成为高楼大厦。人体的各个器官以正确的结构组合在一起，才能成为智慧的人类。知识也只有以合理的比例和结构组合在一起，才能发挥威力，而比例怎么分配，结构怎么规划，需要慎重思考，仔细计划，最后才是有针对性地学习。就像盖高楼大厦要先设计，再购买原料，最后施工一样，学习也要先设计知识结构，再制定学习计划，最后再有针对性地学习，完成知识体系的搭建。
招聘要求中列出的知识点过多，并不是每一个都需要学，下面列出的知识点是学习AI过程中必须要学习的，但要求不同。这些知识点相互配合，搭建一个合理有效的关于AI的知识体系，不浪费过多精力，也没有缺失。
熟练使用python
熟练微积分、线性代数、概率论
熟练SQL操作
良好的算法基础
良好的数据结构基础
熟练使用Spark
了解Hadoop、Storm、Flink
熟练常用的机器学习算法模型：lr、knn、naive bayes、rf、gbdt、svm、pca、svd、kmeans、kmodes、rl、din、cnn、rnn、NN(LSTM/AlexNet/GoogleNet/ResNet等)、TL、LTR、CTR
理解机器学习、深度学习、强化学习、迁移学习、异常检测
理解分类、回归、聚类、标注等机器学习问题
优秀的算法应用能力，包括特征提取、模型建立、效果评估、应用部署以及优化迭代等环节
深入研究深度学习和搜索算法，熟悉自然语言处理、推荐算法、图像识别
熟练使用TensorFlow，熟悉Keras，了解Caffe
熟练使用libSVM、sklearn、CRF++