这门课不是给"零基础想转算法"的人看的。如果你连梯度下降的更新公式都写不顺，或者刷 LeetCode 时习惯先看题解再动手，那第四期的节奏会更适合你——因为它默认你已经摸过模型、写过代码，缺的是把知识讲清楚和把题做对的能力。
它要补的是哪两块缺口
机器学习面试挂掉的人，往往不是不懂模型，而是答不到点上。问"逻辑回归为什么用交叉熵而不是 MSE"，背过笔记的人会答"因为凸性"，但面试官想听的是：MSE 配 sigmoid 会带来梯度消失，且损失函数非凸，而交叉熵的梯度形式正好抵消了 sigmoid 导数带来的饱和。这门课把 100 个高频题按这种"答到点子上"的方式拆，覆盖逻辑回归、决策树、HMM 这类常被追问的模型，也涉及排序、窗口、堆这类手写题。
另一块缺口在代码。算法岗的笔试和面试手撕环节，考的不是你会不会用库，而是能不能在 20 分钟内写出无 bug 的滑动窗口、能不能手推快速排序的分区过程。课程里有大量 LeetCode 实战和源码解析，目的不是刷题量，而是让你在纸面上把边界条件讲清楚。
面试题部分怎么组织
题目不是按"简单—中等—困难"排的，更像是按面试官的提问逻辑走。一个模型通常从"是什么"问到"为什么"，再问到"出问题怎么办"。以逻辑回归为例，可能连着问：损失函数为什么长这样、正则项加在哪、L1 和 L2 带来什么不同的解、样本不均衡时该动哪里。答完这一串，才算真正掌握。
决策树部分同理，信息增益、基尼系数、剪枝策略、连续值处理，每个点都可能被单独拎出来追问。HMM 的三个基本问题（评估、解码、学习）是另一条线，前向-后向算法和维特比算法经常要求手写推导。这些都是面试里区分"背过"和"懂"的分界线。
实战部分为什么配源码
排序和窗口类题目，看题解能懂，自己写就错。课程给源码不是让你抄，而是让你对照自己的实现看差在哪：快速排序的分区边界、堆排序的建堆顺序、滑动窗口的左右指针移动条件。这些细节在面试白板上会被放大，一个 off-by-one 就可能让整题作废。看完源码再去手写一遍，比刷十道同类题有用。
学完应该能回答的问题
- 逻辑回归用交叉熵的梯度推导，能不看资料写出来吗？
- 决策树处理连续特征时，切分点怎么选，复杂度是多少？
- HMM 的前向算法和维特比算法，区别在哪一步，各自解决哪个问题？
- 滑动窗口题目的左右指针什么时候动、什么时候停，能一句话说清吗？
- 快速排序最坏情况出现在什么输入上，如何避免？
这些问题答不上来的，就是这门课要补的地方。别急着往下刷，先把缺口找出来。
深度视角：100个机器学习面试题+LeetCode实战-算法面试课-第四期-附源码资料
100题面试+实战算法，深度解析
编辑点评
系统覆盖算法面试高频题，实战LeetCode，源码解析，适合求职者和算法爱好者。
⭐ 编辑推荐
本课程深入解析100个机器学习面试题，结合LeetCode实战，提供算法面试必备技能。
课程亮点
• 系统学习算法面试题
• 实战LeetCode，提升实战能力
• 源码解析，深入理解算法原理
课程目录
📁 课件
📁 📁 课件
📁 📁 04课件PDF版本合集
📁 📁 01第一周
滑动窗口.pdf [2.2 MB]
堆排序.pdf [2.9 MB]
快速排序.pdf [2.9 MB]
逻辑回归.pdf [793.7 KB]
决策树.pdf [2.5 MB]
📁 📁 03第三周
📁 📁 hmm
📁 📁 视频文稿
2.HMM三个基本问题.pdf [533.8 KB]
3.HMM三个基本问题的计算.pdf [547.5 KB]
4.HMM中的维特比算法.pdf [426.8 KB]
1.HMM-定义和假设.pdf [483.7 KB]
📁 📁 crf
📁 📁 文稿部分
CRF视频文稿.pdf [792.6 KB]
klinger-crf-intro.pdf [916.4 KB]
📁 📁 kmeans
k-means.pdf [1.3 MB]
📁 📁 04第四周
📁 📁 树类
二叉树的三种遍历方式.pdf [2.8 MB]
二叉搜索树和平衡二叉树.pdf [3.0 MB]
📁 📁 图类
BFS和DFS.pdf [2.9 MB]
最小生成树.pdf [2.0 MB]
最短路径.pdf [2.9 MB]
📁 📁 补充
哈希表.pptx [16.5 MB]
栈 队列.pptx [16.4 MB]
链表中环的入口结点.pptx [16.5 MB]
kmp.pptx [17.0 MB]
513 找树左下角的值.pptx [16.4 MB]
旋转数组的最小数字.pptx [16.4 MB]
第一个不重复的字符.pptx [16.4 MB]
表示数值的字符串.pptx [16.4 MB]
链表.pptx [16.6 MB]
删除链表中重复的结点.pptx [16.4 MB]
正则表达式匹配.pptx [16.3 MB]
二分搜索.pptx [16.7 MB]
替换空格.pptx [16.5 MB]
69. x 的平方根.pptx [16.4 MB]
📁 📁 02第二周
📁 📁 svm
补充文档cs229_smo.pdf [77.8 KB]
SVM视频文稿.pdf [1023.7 KB]
SMO算法视频文稿.pdf [556.6 KB]
📁 📁 05第五周
📁 📁 动态规划
3. leetcode416（01背包实例）.pdf [954.1 KB]
2. 01背包问题.pdf [809.4 KB]
5. 最长公共子序列(leetcode 1143题).pdf [775.0 KB]
1. 什么是动态规划(leetcode 70题).pdf [2.8 MB]
4. 最长上升子序列(leetcode 300题).pdf [736.2 KB]
📁 📁 递归
1. 什么是递归(斐波那契额数列、跳台阶、变态跳台阶).pdf [2.9 MB]
2. 回溯法(机器人的运动范围).pdf [3.0 MB]
📁 📁 集成学习
gbm-Freidman-1999.pdf [567.9 KB]
GBDT.pdf [3.3 MB]
xgboost.pdf [4.2 MB]
BoostedTree.pdf [1.4 MB]
xgboost paper.pdf [778.8 KB]
📁 📁 06第六周
采样.pdf [2.1 MB]
深度学习中的优化问题.pdf [451.6 KB]
优化算法之AdaGrad、RMSProp、AdaDelta、Adam.pdf [747.6 KB]
梯度下降和随机梯度下降.pdf [1.3 MB]
📁 📁 逻辑回归与决策树
📁 📁 逻辑回归week1周四周五
📁 📁 源码
iris_lr_demo.py [778.0 B]
LogisticRegression.py [3.0 KB]
LogisticRegression实战.pdf [817.0 KB]
📁 📁 决策树week1周四周五
📁 📁 源码
04-Gini-Index.ipynb [17.1 KB]
01-What-is-Decision-Tree.ipynb [22.2 KB]
02-Entropy.ipynb [16.1 KB]
05-CART-and-Decision-Tree-Hyperparameters.ipynb [68.7 KB]
03-Entropy-Split-Simulation.ipynb [17.4 KB]
决策树实战.pdf [423.1 KB]
📁 📁 03代码合集
📁 📁 比赛
逻辑回归解决方案.pdf [374.6 KB]
logistics.py [915.0 B]
📁 📁 hmm
📁 📁 代码部分
📁 📁 data
199801人民日报.data [10.6 MB]
📁 📁 model
hmm.model [301.2 KB]
hmm_segment.py [3.7 KB]
📁 📁 优化算法
📁 📁 代码
实战代码.zip [112.2 KB]
📁 📁 前向神经网络
code.zip [189.4 KB]
📁 📁 SVM
📁 📁 代码
03-SVM-Regressor.ipynb [3.3 KB]
01-SVM-in-scikit-learn.ipynb [70.0 KB]
02-RBF-Kernel-in-scikit-learn.ipynb [80.2 KB]
📁 📁 采样
📁 📁 代码
01-蒙特卡洛方法求解定积分以及重要性采样.ipynb [226.8 KB]
1.png [25.1 KB]
02-逆变换采样和接受拒绝采样的实现.ipynb [66.6 KB]
04-Metropolis-Hastings实现Beta分布的采样.ipynb [26.7 KB]
03-马尔科夫链的平稳分布.ipynb [5.5 KB]
📁 📁 RNN实战
RNN实战.pdf [1.1 MB]
RNN.ipynb [27.3 KB]
📁 📁 kmeans实战
kmeans算法实战.pdf [621.4 KB]
1.png [65.3 KB]
data.txt [610.0 B]
kmeans.ipynb [331.2 KB]
课件说明.png [493.5 KB]
课件必看.png [493.5 KB]
42.Week5【数据结构和算法】最长公共子序列(leetcode1143题).mp4 [27.3 MB]
35.Week5【前向神经网络】P4反向传播1.mp4 [20.6 MB]
45.Week5【了解序列数据中常用的循环神经网络】P2GRU和LSTM.mp4 [11.6 MB]
30.【达观杯nlp比赛】第二周第三节深度学习baseline构建.mp4 [108.2 MB]
22.Week3【数据结构和算法】P4栈，队列.mp4 [32.1 MB]
26.【达观杯nlp比赛】第一周第三节——Baseline实现.mp4 [70.2 MB]
06.Week1【了解监督学习中的经典算法】P1逻辑回归.mp4 [20.3 MB]
10.Week2【学习支持向量机】P3硬间隔SVM最优化问题的推导.mp4 [37.0 MB]
13.Week2【学习支持向量机】P6smo算法.mp4 [41.6 MB]
32.【达观杯nlp比赛】第三周第一节深度学习模型提升.mp4 [103.9 MB]
43.Week5【数据结构和算法】最长上升子序列(leetcode300题).mp4 [24.1 MB]
30.Week4【数据结构和算法】P4二叉树的遍历.mp4 [24.6 MB]
11.Week2【学习支持向量机】P4线性可分SVM.mp4 [24.5 MB]
49.Week6【集成学习的原理和常见的集成学习】P4多分类问题和回归问题.mp4 [11.7 MB]
33.【达观杯nlp比赛】第三周第二节模型调参和模型融合.mp4 [70.7 MB]
18.Week3【了解机器学习中的非监督学习算法】K-means.mp4 [37.5 MB]
41.Week5【数据结构和算法】leetcode416（01背包实例）.mp4 [36.4 MB]
34.Week5【前向神经网络】P3损失函数选用.mp4 [6.5 MB]
20.Week3【数据结构和算法】P2链表中环的入口结点.mp4 [51.6 MB]
47.Week6【集成学习的原理和常见的集成学习】P2梯度提升树算法.mp4 [26.2 MB]
23.Week4【机器学习中的概率图模型】P1hmm的引出和问题的介绍.mp4 [27.1 MB]
04.Week1【了解机器学习中的特征工程和模型评估】P3滑动窗口.mp4 [21.3 MB]
40.Week5【数据结构和算法】01背包问题.mp4 [47.1 MB]
17.Week2【了解机器学习中如何降维处理】PCA和LDA.mp4 [42.0 MB]
19.Week3【数据结构和算法】P1虚拟头结点.mp4 [59.3 MB]
27.Week4【数据结构和算法】P1DFS和BFS.mp4 [34.9 MB]
12.Week2【学习支持向量机】P5核函数.mp4 [23.6 MB]
54.Week6【xgboost的原理以及常见面试题】P6其他优化.mp4 [11.1 MB]
31.【达观杯nlp比赛】第二周第四节深度学习baseline交叉验证.mp4 [47.2 MB]
44.Week5【了解序列数据中常用的循环神经网络】P1RNN.mp4 [22.5 MB]
23.【达观杯nlp比赛】第一周第一节了解NLP任务和熟悉比赛题目-赛前介绍和准备.mp4 [33.7 MB]
29.【达观杯nlp比赛】第二周第二节词向量及word2vec简介.mp4 [73.1 MB]
15.Week2【数据结构和算法】P2二分搜索.mp4 [45.3 MB]
16.Week2【数据结构和算法】P3哈希表.mp4 [21.9 MB]
09.Week2【学习支持向量机】P2svm最优化问题.mp4 [16.9 MB]
07.Week1【了解监督学习中的经典算法】P2决策树.mp4 [24.1 MB]
48.Week6【集成学习的原理和常见的集成学习】P3二分类问题.mp4 [37.5 MB]
24.Week4【机器学习中的概率图模型】P2HMM预测问题之维特比算法.mp4 [39.9 MB]
14.Week2【数据结构和算法】P1KMP算法.mp4 [56.4 MB]
53.Week6【xgboost的原理以及常见面试题】P5缺失值处理算法.mp4 [20.0 MB]
46.Week6【集成学习的原理和常见的集成学习】P1提升树算法.mp4 [25.7 MB]
39.Week5【数据结构和算法】什么是动态规划(leetcode70题).mp4 [18.3 MB]
28.【达观杯nlp比赛】第二周第一节tensorflow2.0入门.mp4 [71.6 MB]
21.Week3【数据结构和算法】P3删除链表中重复的结点.mp4 [22.2 MB]
29.Week4【数据结构和算法】P3最小生成树.mp4 [25.9 MB]
26.Week4【机器学习中的概率图模型】P4crf具体介绍.mp4 [31.3 MB]
27.【达观杯nlp比赛】第一周第四节验证集构建和交叉验证.mp4 [77.6 MB]
31.Week4【数据结构和算法】P4二叉搜索树和平衡二叉树.mp4 [35.9 MB]
08.Week2【学习支持向量机】P1几个重要的概念.mp4 [7.4 MB]
25.【达观杯nlp比赛】第一周第二节数据分析及处理.mp4 [78.2 MB]
24.【达观杯nlp比赛】第一周第一节了解NLP任务和熟悉比赛题目-赛题介绍和思路分析.mp4 [38.8 MB]
37.Week5【数据结构和算法】什么是递归(斐波那契额数列、跳台阶、变态跳台阶).mp4 [38.5 MB]
33.Week5【前向神经网络】P2前向传播.mp4 [14.1 MB]
32.Week5【前向神经网络】P1网络图和激活函数.mp4 [9.2 MB]
25.Week4【机器学习中的概率图模型】P3crf的一些基础概念.mp4 [24.8 MB]
50.Week6【xgboost的原理以及常见面试题】P1xgboost的一些预备知识.mp4 [20.5 MB]
38.Week5【数据结构和算法】回溯法(机器人的运动范围).mp4 [66.3 MB]
36.Week5【前向神经网络】P5反向传播2.mp4 [57.3 MB]
05.Week1【了解机器学习中的特征工程和模型评估】P4双指针.mp4 [27.7 MB]
03.Week1【了解机器学习中的特征工程和模型评估】P2堆排序.mp4 [27.0 MB]
01.绪论.mp4 [10.6 MB]
51.Week6【xgboost的原理以及常见面试题】P2结构分.mp4 [26.8 MB]
52.Week6【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点.mp4 [33.8 MB]
02.Week1【了解机器学习中的特征工程和模型评估】P1快速排序.mp4 [29.7 MB]
28.Week4【数据结构和算法】P2最短路径.mp4 [33.0 MB]适合人群
- 求职者
- 算法爱好者
- 机器学习初学者
学习收获
掌握算法面试高频题
提升编程能力
深入理解算法原理
祝您学习愉快！
学有所成，前程似锦！
