# 百面机器学习：算法工程师带你去面试 面试素材拆解

这是一份面向 AI PM、LLM 产品和算法工程师面试的复习卡片库。当前版本按全书目录做第一轮自动拆解，保留概念、答题框架、追问和项目映射，不保存原书正文。

## 第一轮抽取策略

- 优先抽“能影响产品和面试判断”的内容：特征、评估、实验、过拟合、采样、baseline、NLP 表示、集成学习、系统应用。
- 对数学推导类内容只保留面试表达和适用边界。
- 对 AI PM 场景增加迁移说明，例如 RAG 检索评估、LLM eval、Agent 安全和传统 ML baseline。

## 复习顺序

1. 先读 P0 卡：能覆盖 80% 高频追问。
2. 再读 P1 卡：补算法宽度和系统设计表达。
3. 最后按目标岗位加深具体章节。

## P0 卡片
- [01. 算法工程师的工作闭环](./01-算法工程师的工作闭环.md) - 前言 / 机器学习算法工程师的自我修养
- [02. 数值特征归一化](./02-数值特征归一化.md) - 第 1 章 特征工程
- [03. 类别型特征编码](./03-类别型特征编码.md) - 第 1 章 特征工程
- [04. 组合特征与高维稀疏问题](./04-组合特征与高维稀疏问题.md) - 第 1 章 特征工程
- [05. 文本表示模型](./05-文本表示模型.md) - 第 1 章 特征工程
- [07. 训练数据不足](./07-训练数据不足.md) - 第 1 章 特征工程
- [08. 准确率的局限性](./08-准确率的局限性.md) - 第 2 章 模型评估
- [09. Precision 与 Recall 的权衡](./09-precision-与-recall-的权衡.md) - 第 2 章 模型评估
- [11. ROC/AUC 与 P-R 曲线](./11-rocauc-与-p-r-曲线.md) - 第 2 章 模型评估
- [12. 余弦相似度与欧氏距离](./12-余弦相似度与欧氏距离.md) - 第 2 章 模型评估
- [13. A/B 测试与验证方法](./13-ab-测试与验证方法.md) - 第 2 章 模型评估
- [14. 超参数调优与过拟合](./14-超参数调优与过拟合.md) - 第 2 章 模型评估
- [16. 逻辑回归](./16-逻辑回归.md) - 第 3 章 经典算法
- [17. 决策树](./17-决策树.md) - 第 3 章 经典算法
- [19. 聚类：KMeans、GMM 与评估](./19-聚类kmeansgmm-与评估.md) - 第 5 章 非监督学习
- [21. 损失函数、优化与正则化](./21-损失函数优化与正则化.md) - 第 7 章 优化算法
- [22. 采样与样本不均衡](./22-采样与样本不均衡.md) - 第 8 章 采样
- [23. MLP、激活函数与训练技巧](./23-mlp激活函数与训练技巧.md) - 第 9 章 前向神经网络
- [25. RNN、LSTM、Seq2Seq 与注意力](./25-rnnlstmseq2seq-与注意力.md) - 第 10 章 循环神经网络
- [26. 强化学习基础](./26-强化学习基础.md) - 第 11 章 强化学习
- [27. Bagging、Boosting 与偏差方差](./27-baggingboosting-与偏差方差.md) - 第 12 章 集成学习
- [28. GBDT 与 XGBoost](./28-gbdt-与-xgboost.md) - 第 12 章 集成学习
- [31. 游戏 AI、自动驾驶、机器翻译与人机交互](./31-游戏-ai自动驾驶机器翻译与人机交互.md) - 第 14 章 人工智能热门应用
- [32. 百面机器学习对 AI PM 的复习路线](./32-百面机器学习对-ai-pm-的复习路线.md) - 全书综合
## P1 卡片
- [06. Word2Vec 与主题模型](./06-word2vec-与主题模型.md) - 第 1 章 特征工程
- [10. RMSE 与离群点](./10-rmse-与离群点.md) - 第 2 章 模型评估
- [15. SVM：间隔、核函数与松弛变量](./15-svm间隔核函数与松弛变量.md) - 第 3 章 经典算法
- [18. PCA 与 LDA](./18-pca-与-lda.md) - 第 4 章 降维
- [20. 生成式模型、判别式模型与序列标注](./20-生成式模型判别式模型与序列标注.md) - 第 6 章 概率图模型
- [24. CNN 与 ResNet](./24-cnn-与-resnet.md) - 第 9 章 前向神经网络
- [29. GAN、WGAN、DCGAN 与 SeqGAN](./29-ganwgandcgan-与-seqgan.md) - 第 13 章 生成式对抗网络
- [30. 计算广告](./30-计算广告.md) - 第 14 章 人工智能热门应用