LuisLiu

单例模式、工厂模式、建造者模式、观察者模式、中介者模式。

（1）基本 Git 指令（仓库管理、分支管理、提交管理）；（2）跨仓库操作（同时连接多个远程仓库；跨仓库 Cherry-Pick）。

基于 Python 实现支持多进程的 HashingEncoder。

（1）Python 中下划线的用法。

（1）交叉验证；（2）超参数调优。

（1）回归模型性能评价指标；（2）分类模型性能评价指标。

（1）类别样本不均衡问题。

（1）多类分类任务。

（1）牛顿法和拟牛顿法；（2）Logistic 回归的优化求解。

（1）Logistic / Sigmoid 函数，决策函数、决策边界；（2）Logistic 损失函数、替代损失函数，交叉熵损失；（3）Logistic 正则项，Logistic 必须加正则的解释；（4）Scikit-Learn 中的 Logistic 回归。

（1）回归模型中损失函数的概率解释；（2）回归模型正则项的概率解释。

（1）线性回归模型的求解方法（解析法，梯度下降法：① 随机梯度、② SGDRegressor）；（3）次梯度法；（4）坐标轴下降法。

（1）回归和线性回归简介；（2）线性回归模型的预测残差、L1 / L2 / Huber 损失函数；（3）Scikit-Learn 中的线性回归；（4）欠拟合与过拟合；（5）带正则的线性回归模型（岭回归、Lasso、弹性网络）。

（1）什么是机器学习；（2）机器学习的类型。

客户端开发中涉及到的知识体系。