ML-NLP

这是一个面向算法工程师求职面试的机器学习与自然语言处理知识整理项目，系统梳理了ML/NLP高频考点的理论要点与可运行代码实现。核心涵盖线性回归、逻辑回归、决策树族（随机森林/GBDT/XGBoost/LightGBM）、SVM、概率图模型（贝叶斯网络/马尔可夫链）、主题模型、EM算法、聚类等经典算法，并配套Jupyter Notebook实战案例。内容按模块结构化组织，强调面试场景下的理解深度与代码复现能力，适用于校招/社招前的知识体系梳理、快速复习与查漏补缺。