算法工程师岗考察:传统 ML 基础 + 推荐 / 搜索 / NLP / CV 业务方向 + 项目落地能力。   1、传统机器学习 / NLP  分词 / NER 的常见算法  思路:分词: HMM/CRF/BiLSTM-CRF/BERT;NER: 序列标注同上 + 大模型 ICL 直接抽取。   分类 / 回归的区别  思路:离散标签 vs 连续值;损失不同(交叉熵 vs MSE);评估指标不同(F1 vs MAE/MSE)。   过拟合的原因和解决  思路:模型容量过大/数据少/训太久;解决: 正则化 + Dropout + 早停 + 数据增强 + 简化模型。   特征工程在大模型时代还重要...

这个世界太疯狂了

AI工程师在奶茶这块儿能干啥？

过去一段时间，AI Agent从概念炒作逐渐走向实际落地，市面上的开源项目也如雨后春笋一般，呈现指数级增长。但真正值得深入学习的项目并不多——很多要么是简单的demo，要么是过度封装的黑盒。 今天分享4个我真正跑过代码、读过源码的优质项目，它们的共同特点是：原理讲得透、代码能跑通、适合做毕设或积累项目经验。如果你在准备秋招、想做Agent相关毕设，或者单纯对这个方向感兴趣，这篇分享会帮你省下大量踩坑时间。 📚 项目推荐 1. Hello-Agents - Datawhale开源教程 GitHub: https://github.com/datawhalechina/Hello-Agents ...