一个可执行的算法 / 机器学习 / 大模型 / 强化学习 / 计算机视觉 / NLP / 时间序列面试备战体系
11 大模块 · 114 篇中文教学 Notebook · 核心算法全部手写实现，附 sklearn / torch 数值对照

面向算法 / AI 岗位秋招的一站式备战仓库：从 公式推导 → 手写实现 → 数值对照 → 面试八股 → 复盘闭环 全流程覆盖， 内含数据结构与算法、机器学习、深度学习、LLM 大模型、八股与工程、强化学习、优化算法、计算机视觉、NLP、时间序列等 11 大方向。

• 🧑🏫 教学 Notebook：114 篇中文教学，每篇含公式推导、从零手写实现、可运行测试用例与自测清单；
• ✅ 全量可验证：114 / 114 本通过 nbclient 执行验证（含 sklearn / torch 数值对照断言，无需 GPU、无需联网）；
• 🎯 面试向闭环：高频题单 + 90 连问速答 + 手写三件套默写 + 面试复盘模板；
• 🗺️ 进度可追踪：ROADMAP.md 分阶段路线 + 每个模块自测清单，学一章勾一章。

• 项目简介 · 项目特色 · 数据一览
• 快速开始 · 模块总览 · 目录结构
• 教学 Notebook 索引 · 使用案例 · 学习路线
• 贡献指南 · 维护计划 · License

• 🧮 手写优先：排序 / DP / LR / SVM / PCA / GBDT / CNN / LSTM / DQN / PPO / Transformer 全部从零实现， 附 sklearn / torch 数值对照（梯度一致、输出逐位一致），"看一眼就知道公式怎么变成代码"；
• 📐 推导 + 配图：每篇含变种模型谱系表、逐步推导（面试手推模板）、matplotlib 过程图， 打开 notebook 即可直接看到推导过程与结果图；
• 🎯 面试向：高频题单 + 90 连问速答 + 手写三件套默写 + 面试复盘闭环；
• 🧪 可验证：全仓 114 本 notebook 已全部通过 nbclient 全量执行验证（含 sklearn / torch 对照断言；无需 GPU、无需联网）；
• 🗺️ 进度可追踪：ROADMAP 分阶段 + 每个模块自测清单，学一章勾一章。

git clone <your-repo-url> autumn-recruit-algo
cd autumn-recruit-algo

# 仅需基础科学计算环境，无需 GPU
pip install numpy matplotlib jupyter nbclient

# 打开任意教学 notebook，从上到下逐 cell 运行
jupyter notebook "07-强化学习/教学/00-MDP与贝尔曼方程.ipynb"

每个 notebook 均自包含（不依赖自定义包、不访问网络、不用 gym 封装；02-04 的 sklearn/torch 仅用于 对照验证），环境自写、随机种子固定，可复现全部数值结果。

autumn-recruit-algo/
├── README.md                  # 本文件：仓库总览
├── ROADMAP.md                 # 学习路线：分阶段时间线 + 产出物
├── LICENSE                    # MIT
├── assets/
│   ├── logo.png               # 🖼️ 仓库 Logo
│   └── badges/                # 📛 自绘 SVG 徽章（无外部依赖）
│
├── 01-数据结构与算法/          # ✍️ 算法刷题模块
│   ├── README.md              # 刷题策略与顺序
│   ├── 高频题单.md            # 分类高频题（LeetCode 题号）
│   ├── 复杂度速查.md          # 数据结构/排序复杂度速查表
│   ├── 教学/                  # ✅ 14 篇手写教学 notebook
│   └── 模板代码/              # ✅ 11 份背诵级手写模板
│
├── 02-机器学习/               # 📐 ML 推导模块
│   ├── README.md
│   ├── 高频面试题.md
│   └── 推导笔记/              # ✅ 13 篇手写教学 notebook
│
├── 03-深度学习/               # 🧠 DL 模型模块
│   ├── README.md
│   ├── 高频面试题.md
│   └── 模型笔记/              # ✅ 7 篇手写教学 notebook
│
├── 04-LLM大模型/              # 🚀 LLM 重点模块
│   ├── README.md              # 知识地图（六大块）+ 复习策略
│   ├── 高频面试题.md
│   ├── 经典论文清单.md
│   ├── 专题笔记.md            # 24 讲全量索引
│   └── 教学/                  # ✅ 24 篇 Transformer 从零手推 notebook
│
├── 05-八股与工程/             # 🏗️ 基础八股 + 工程能力
│   ├── README.md
│   ├── 速查清单.md
│   ├── images/                # 🖼️ 16 张八股示意图
│   └── 教学 notebook（01-08 直接位于本目录）✅
│
├── 06-面试复盘/               # 🔁 复盘闭环
│   ├── README.md
│   └── 复盘模板.md
│
├── 07-强化学习/               # 🤖 强化学习（含 LLM 对齐 RLHF/GRPO）
│   ├── README.md
│   ├── 高频面试题.md
│   └── 教学/                  # ✅ 8 篇手写教学 notebook
│       └── images/            # 🖼️ 15 张推导过程图
│
├── 08-优化算法/               # ⚙️ 优化算法（训练优化器 + 经典优化算法）
│   ├── README.md
│   ├── 高频面试题.md
│   └── 教学/                  # ✅ 13 篇手写教学 notebook（推导+代码+对照+自测）
│
├── 09-计算机视觉/             # 🖼️ 计算机视觉（经典处理 + 检测/分割 + 基础模型）
│   ├── README.md
│   ├── 高频面试题.md
│   └── 教学/                  # ✅ 11 篇手写教学 notebook（推导+代码+对照+自测）
│       └── images/            # 🖼️ 部分 notebook 落盘的插图
│
├── 10-自然语言处理/           # 📝 自然语言处理（表示 → 统计LM → 词向量 → 序列 → 预训练）
│   ├── README.md
│   ├── 高频面试题.md
│   └── 教学/                  # ✅ 8 篇手写教学 notebook（推导+代码+对照+自测）
│       └── images/            # 🖼️ 部分 notebook 落盘的插图
│
└── 11-时间序列/               # 📈 时间序列（平稳性 → ARMA → 平滑/分解 → ML/DL → 异常检测）
    ├── README.md
    ├── 高频面试题.md
    └── 教学/                  # ✅ 8 篇手写教学 notebook（推导+代码+对照+自测）
        └── images/            # 🖼️ 部分 notebook 落盘的插图

中文教学 + 公式推导 + 从零手写实现（02-04 附 sklearn / torch 数值对照），含可运行测试用例与中间过程输出，附自测清单。 以下所有标题均可点击直达对应 notebook 或模块文档。

📄 模块 README · 高频题单 · 复杂度速查

教学（14 篇，已完成 ✅）

• 00-排序算法 · 01-数组与哈希 · 02-双指针与滑动窗口 · 03-链表 · 04-栈与队列 · 05-二分查找 · 06-二叉树 · 07-回溯 · 08-动态规划 · 09-贪心 · 10-图 · 11-堆与Top-K · 12-位运算 · 13-字符串

背诵级手写模板（11 份，已完成 ✅） — 模板代码说明

• 00-排序模板.py · 01-二分查找模板.py · 02-双指针与滑动窗口.py · 03-链表模板.py · 04-栈与队列模板.py · 05-二叉树模板.py · 06-回溯模板.py · 07-动态规划模板.py · 08-图模板.py · 09-堆与TopK模板.py · 10-位运算与字符串模板.py

每份模板带复杂度注释与自检测试，面试默写用。

📄 模块 README · 高频面试题

推导笔记（13 篇，已完成 ✅） · 另附 00-机器学习总览与速查

📄 模块 README · 高频面试题

模型笔记（7 篇，已完成 ✅）

📄 模块 README · 高频面试题 · 经典论文清单 · 专题笔记

教学（24 篇 Transformer 从零手推，已完成 ✅）

衔接 07-强化学习/：RL 底座学完后，21-PPO与GRPO手推 / 13-DPO与RLHF 即为 LLM 对齐的完整推导闭环。

📄 模块 README · 速查清单

教学（8 篇，已完成 ✅） — 每篇 70+ cells，含速查表 + 模拟问答 + 手撕代码自测，nbclient 全量验证

• 01-Python语言 · 02-操作系统 · 03-计算机网络 · 04-数据库 · 05-Redis · 06-分布式 · 07-工程工具 · 08-高频手撕代码

📄 模块 README · 高频面试题

教学（8 篇，已完成 ✅ · 44-46 cells/篇）

每篇含：变种模型谱系表格 + 逐步推导（面试手推模板）+ matplotlib 过程图 2 张（教学/images/，共 15 张）。

📄 模块 README · 高频面试题

训练优化器（01-07）

经典优化算法（08-13）

衔接 03-深度学习/模型笔记/03-优化器.ipynb：基础优化器已讲，本章 01-04 加深推导、05-07 直达 LLM 训练实战； 08-13 补充经典运筹学/组合优化（精确方法 + 启发式 + 理论工具），面试「算法岗交叉考点」全覆盖。

📄 模块 README · 高频面试题

教学（11 篇，已完成 ✅）

主线：经典处理（00-01）→ CNN（02-03）→ 检测（04, 08）→ 分割（05, 09）→ 度量（06）→ 基础模型（10）； 08/09/10 三篇为现代检测与分割的「全系列 + 前沿」详解（YOLO v1→v11、U-Net 全家族、SAM）。

📄 模块 README · 高频面试题

教学（8 篇，已完成 ✅）

主线：表示（00-02）→ 序列建模（03-04）→ 预训练（05）→ 任务与评估（06）→ 八股冲刺（07）；每篇含推导 + 手写 + sklearn/torch 对照 + 自测清单。

📄 模块 README · 高频面试题

教学（8 篇，已完成 ✅）

主线：平稳性（00）→ ARMA（01）→ 平滑/分解（02-03）→ 特征 ML（04）→ 深度学习（05）→ 评估/异常（06）→ 八股冲刺（07）；每篇含推导 + 手写 + sklearn/torch 对照 + 自测清单。

arr = [4, 2, 2, 8, 3, 3, 1, 0, 9]
print('counting_sort(稳定) :', counting_sort(arr, K=10))
print('radix_sort           :', radix_sort([170, 45, 75, 90, 2, 24, 802, 66]))

counting_sort(稳定) : [0, 1, 2, 2, 3, 3, 4, 8, 9]
radix_sort           : [2, 24, 45, 66, 75, 90, 170, 802]

# 30 秒默写：Q-learning 更新（单步 TD 目标）
Q[s, a] += alpha * (r + gamma * np.max(Q[s2]) - Q[s, a])

Q 表(收敛后):
[[ 8.     6.2  ]
 [10.     6.197]
 [ 0.     0.   ]]
最优策略: 状态0 -> 动作0 | 状态1 -> 动作0
→ 正确解: 全程选动作0(走向目标); 面试时默写这一行即可

# 15 秒默写：UCB1 选择规则（探索-利用平衡）
arm = np.argmax(mean + c * np.sqrt(np.log(t + 1) / (count + 1e-9)))

UCB(c=2) 总奖励: 800 / 1000  (理论最优≈900)
各臂采样分布: [0.026 0.039 0.064 0.166 0.705]
→ 最优臂(0.9)被采了最多 → UCB 自动"花最少代价锁定最优"

更多真实输出见各 notebook：02/推导笔记/06-GBDT.ipynb（残差拟合过程）、 07/教学/06-PPO与GRPO.ipynb（clip 四象限数值）、07/教学/02-蒙特卡洛与时序差分.ipynb（TD vs MC 学习曲线）等。

• 先读 ROADMAP.md：分阶段时间线 + 产出物，不要跳阶段；
• 算法模块：按 01/README.md 顺序分类刷题，每类先看模板再做题；
• ML/DL 模块：按上文索引逐篇打开 notebook，从上到下运行；每篇末尾自测清单打勾后再进入下一篇；
• RL 模块：3 轮路线 —— 打底(00-03) → 进阶(04-06) → 冲刺(07 手推三件套默写)；
• 每场面试后：用 06/面试复盘/复盘模板.md 做 24 小时复盘。

• 内容以教学正确性优先：推导步骤完整、代码可复现、随机种子固定；
• 新增 notebook 建议遵循既有结构：观念讲解 → 公式推导（含谱系/变种）→ 手写实现 → 实验/配图 → 自测清单；
• 提交前请确保 notebook 可通过 nbclient 全量执行（参考 07-强化学习 模块的验证方式）；
• 欢迎通过 Issue/PR 补充高频面试题、修正推导、完善模板。

• Phase 1：算法教学 notebook（14 篇）+ 11 份手写模板
• Phase 2：ML 推导笔记（13 篇：LR/SVM/PCA/GBDT/NB/K-Means/树 + KNN/AdaBoost/MLP/HMM/CRF/特征工程）
• Phase 3：DL 模型笔记（7 篇：BP/CNN/优化器/RNN-LSTM/BN/激活/正则）
• Phase 4：RL 教学 notebook（8 篇：MDP/DP/MC-TD/Q学习/DQN/PG-AC/PPO-GRPO/面试八股，含推导与配图）
• Phase 5：优化算法教学 notebook（13 篇：SGD→动量→Adam/AdamW→调度→二阶→LLM 训练 FP16/ZeRO + 经典优化 LP/IP/GA/SA/TS/PSO/ACO/KKT，含 torch/scipy/sklearn 对照）
• Phase 6：计算机视觉教学 notebook（11 篇：图像基础/特征提取/CNN 深入/经典架构/目标检测（R-CNN·YOLO v1→v11 全系列）/分割（FCN·U-Net 全家族）/度量学习/SAM 基础模型，含 torch/sklearn 对照）
• Phase 7：自然语言处理教学 notebook（8 篇：文本表示/TF-IDF/n-gram 语言模型/词向量/RNN·LSTM/Attention·Transformer/预训练（mini-BERT·mini-GPT）/分类与标注/NLP 八股，含 sklearn/torch 对照）
• Phase 8：时间序列教学 notebook（8 篇：平稳性/ARMA·ARIMA/指数平滑/分解/特征工程·ML/LSTM 深度学习/评估与异常检测/时序八股，含 sklearn/torch 对照）
• Phase 9：面经复盘归档（05/06/07/08/09/10/11 模块内容按自有资料持续补齐）

MIT © 2024–2025 Autumn-Recruit Algo Notes（akun）

题单与面经整理自公开高频考点，仅供个人学习使用；面试题答案请结合官方文档与论文原文自行核对。