百面機器學(xué)習 算法工程師帶你去面試簡(jiǎn)介，目錄書(shū)摘
2020-01-06 12:10
來(lái)源：京東
作者：京東
百面機器學(xué)習 算法工程師帶你去面試
暫無(wú)報價(jià)
10萬(wàn)+評論
99%好評
編輯推薦: 不可不讀的機器學(xué)習面試寶典！微軟全球執行副總裁、美國工程院院士沈向洋，《浪潮之巔》《數學(xué)之美》作者吳軍，《計算廣告》作者、科大訊飛副總裁劉鵬，聯(lián)袂推薦！
人工智能幾起幾落，最近這次人工智能浪潮起始于近10年，技術(shù)的飛躍發(fā)展，帶來(lái)了應用的可能性。未來(lái)的幾年，是人工智能技術(shù)全面普及化的時(shí)期，也是算法工程師稀缺的時(shí)期。
本書(shū)旨在幫助對人工智能和機器學(xué)習有興趣的朋友們更加深入地了解這個(gè)領(lǐng)域的基本技能，幫助每個(gè)軟件工程師成為自信的AI實(shí)踐者，幫助每個(gè)數據科學(xué)家成為出眾的AI研究者。對每個(gè)有志進(jìn)入此領(lǐng)域的工程師來(lái)說(shuō)，本書(shū)會(huì )為你鋪設一條快速通往目標的道路。
人工智能幾起幾落，最近這次人工智能浪潮起始于近10年，技術(shù)的飛躍發(fā)展，帶來(lái)了應用的可能性。未來(lái)的幾年，是人工智能技術(shù)全面普及化的時(shí)期，也是算法工程師稀缺的時(shí)期。
本書(shū)旨在幫助對人工智能和機器學(xué)習有興趣的朋友們更加深入地了解這個(gè)領(lǐng)域的基本技能，幫助每個(gè)軟件工程師成為自信的AI實(shí)踐者，幫助每個(gè)數據科學(xué)家成為出眾的AI研究者。對每個(gè)有志進(jìn)入此領(lǐng)域的工程師來(lái)說(shuō)，本書(shū)會(huì )為你鋪設一條快速通往目標的道路。
內容簡(jiǎn)介: 人工智能領(lǐng)域正在以超乎人們想象的速度發(fā)展，本書(shū)趕在人工智能徹底占領(lǐng)世界之前完成編寫(xiě)，實(shí)屬萬(wàn)幸。
書(shū)中收錄了超過(guò)100道機器學(xué)習算法工程師的面試題目和解答，其中大部分源于Hulu算法研究崗位的真實(shí)場(chǎng)景。本書(shū)從日常工作、生活中各種有趣的現象出發(fā)，不僅囊括了機器學(xué)習的基本知識，而且還包含了成為出眾算法工程師的相關(guān)技能，更重要的是凝聚了筆者對人工智能領(lǐng)域的一顆熱忱之心，旨在培養讀者發(fā)現問(wèn)題、解決問(wèn)題、擴展問(wèn)題的能力，建立對機器學(xué)習的熱愛(ài)，共繪人工智能世界的宏偉藍圖。
“不積跬步，無(wú)以至千里”，本書(shū)將從特征工程、模型評估、降維等經(jīng)典機器學(xué)習領(lǐng)域出發(fā)，構建一個(gè)算法工程師必-備的知識體系；見(jiàn)神經(jīng)網(wǎng)絡(luò )、強化學(xué)習、生成對抗網(wǎng)絡(luò )等新科研進(jìn)展之微，知深度學(xué)習領(lǐng)域勝敗興衰之著(zhù)；“博觀(guān)而約取，厚積而薄發(fā)”，在末一章為讀者展示生活中各種yin領(lǐng)時(shí)代的人工智能應用。
書(shū)中收錄了超過(guò)100道機器學(xué)習算法工程師的面試題目和解答，其中大部分源于Hulu算法研究崗位的真實(shí)場(chǎng)景。本書(shū)從日常工作、生活中各種有趣的現象出發(fā)，不僅囊括了機器學(xué)習的基本知識，而且還包含了成為出眾算法工程師的相關(guān)技能，更重要的是凝聚了筆者對人工智能領(lǐng)域的一顆熱忱之心，旨在培養讀者發(fā)現問(wèn)題、解決問(wèn)題、擴展問(wèn)題的能力，建立對機器學(xué)習的熱愛(ài)，共繪人工智能世界的宏偉藍圖。
“不積跬步，無(wú)以至千里”，本書(shū)將從特征工程、模型評估、降維等經(jīng)典機器學(xué)習領(lǐng)域出發(fā)，構建一個(gè)算法工程師必-備的知識體系；見(jiàn)神經(jīng)網(wǎng)絡(luò )、強化學(xué)習、生成對抗網(wǎng)絡(luò )等新科研進(jìn)展之微，知深度學(xué)習領(lǐng)域勝敗興衰之著(zhù)；“博觀(guān)而約取，厚積而薄發(fā)”，在末一章為讀者展示生活中各種yin領(lǐng)時(shí)代的人工智能應用。
作者簡(jiǎn)介: 諸葛越，現任Hulu公司全球研發(fā)副總裁，中國研發(fā)中心總經(jīng)理。曾任Landscape Mobile 公司聯(lián)合創(chuàng )始人兼CEO，前雅虎北京全球研發(fā)中心產(chǎn)品總監， 微軟北京研發(fā)中心項目總經(jīng)理，雅虎美國高級軟件架構師。諸葛越獲美國斯坦福大學(xué)的計算機碩士與博士，紐約州立大學(xué)石溪分校的應用數學(xué)碩士，曾就讀于清華大學(xué)計算機科學(xué)與技術(shù)系。諸葛越的研究結果獲多項專(zhuān)利，2005年獲美國計算機學(xué)會(huì )數據庫專(zhuān)業(yè)委員會(huì )十年z佳論文獎。
葫蘆娃，15位Hulu北京創(chuàng )新實(shí)驗室的人才。他們利用擅長(cháng)的機器學(xué)習、深度學(xué)習等領(lǐng)域知識和算法模型，建立了一套定制化的機AI平臺，改變著(zhù)推薦引擎、視頻編解碼、內容理解、廣告投放等多項與用戶(hù)息息相關(guān)的在線(xiàn)業(yè)務(wù)技術(shù)。
葫蘆娃，15位Hulu北京創(chuàng )新實(shí)驗室的人才。他們利用擅長(cháng)的機器學(xué)習、深度學(xué)習等領(lǐng)域知識和算法模型，建立了一套定制化的機AI平臺，改變著(zhù)推薦引擎、視頻編解碼、內容理解、廣告投放等多項與用戶(hù)息息相關(guān)的在線(xiàn)業(yè)務(wù)技術(shù)。
目錄:推薦序
前言
機器學(xué)習算法工程師的自我修養
第 1章 特征工程
第 1節 特征歸一化
第 2節 類(lèi)別型特征
第3節 高維組合特征的處理
第4節 組合特征
第5節 文本表示模型
第6節 Word2Vec
第7節 圖像數據不足時(shí)的處理方法
第 2章 模型評估
第 1節 評估指標的局限性
第 2節 ROC 曲線(xiàn)
第3節 余弦距離的應用
第4節 A/B 測試的陷阱
第5節 模型評估的方法
第6節 超參數調優(yōu)
第7節 過(guò)擬合與欠擬合
第3章 經(jīng)典算法
第 1節 支持向量機
第 2節 邏輯回歸
第3節 決策樹(shù)
第4章 降維
第 1節 PCA 最大方差理論
第 2節 PCA 最小平方誤差理論
第3節 線(xiàn)性判別分析
第4節 線(xiàn)性判別分析與主成分分析
第5章 非監督學(xué)習
第 1節 K 均值聚類(lèi)
第 2節 高斯混合模型
第3節 自組織映射神經(jīng)網(wǎng)絡(luò )
第4節 非監督學(xué)習算法的評估
第6章 概率圖模型
第 1節 概率圖模型的聯(lián)合概率分布
第 2節 概率圖表示
第3節 生成式模型與判別式模型
第4節 馬爾可夫模型
第5節 主題模型
第7章 優(yōu)化算法
第 1節 有監督學(xué)習的損失函數
第 2節 機器學(xué)習中的優(yōu)化問(wèn)題
第3節 經(jīng)典優(yōu)化算法
第4節 梯度驗證
第5節 隨機梯度下降法
第6節 隨機梯度下降法的加速
第7節 L1 正則化與稀疏性
第8章 采樣
第 1節 采樣的作用
第 2節 均勻分布隨機數
第3節 常見(jiàn)的采樣方法
第4節 高斯分布的采樣
第5節 馬爾科夫蒙特卡洛采樣法
第6節 貝葉斯網(wǎng)絡(luò )的采樣
第7節 不均衡樣本集的重采樣
第9章 前向神經(jīng)網(wǎng)絡(luò )
第 1節 多層感知機與布爾函數
第 2節 深度神經(jīng)網(wǎng)絡(luò )中的激活函數
第3節 多層感知機的反向傳播算法
第4節 神經(jīng)網(wǎng)絡(luò )訓練技巧
第5節 深度卷積神經(jīng)網(wǎng)絡(luò )
第6節 深度殘差網(wǎng)絡(luò )
第 10章 循環(huán)神經(jīng)網(wǎng)絡(luò )
第 1節 循環(huán)神經(jīng)網(wǎng)絡(luò )和卷積神經(jīng)網(wǎng)絡(luò )
第 2節 循環(huán)神經(jīng)網(wǎng)絡(luò )的梯度消失問(wèn)題
第3節 循環(huán)神經(jīng)網(wǎng)絡(luò )中的激活函數
第4節 長(cháng)短期記憶網(wǎng)絡(luò )
第5節 Seq2Seq 模型
第6節 注意力機制
第 11章 強化學(xué)習
第 1節 強化學(xué)習基礎
第 2節 視頻游戲里的強化學(xué)習
第3節 策略梯度
第4節 探索與利用
第 12章 集成學(xué)習
第 1節 集成學(xué)習的種類(lèi)
第 2節 集成學(xué)習的步驟和例子
第3節 基分類(lèi)器
第4節 偏差與方差
第5節 梯度提升決策樹(shù)的基本原理
第6節 XGBoost 與GBDT 的聯(lián)系和區別
第 13章 生成式對抗網(wǎng)絡(luò )
第 1節 初識GANs 的秘密
第 2節 WGAN：抓住低維的幽靈
第3節 DCGAN：當GANs 遇上卷積
第4節 ALI：包攬推斷業(yè)務(wù)
第5節 IRGAN：生成離散樣本
第6節 SeqGAN：生成文本序列
第 14章 人工智能的熱門(mén)應用
第 1節 計算廣告
第 2節 游戲中的人工智能
第3節 AI 在自動(dòng)駕駛中的應用
第4節 機器翻譯
第5節 人機交互中的智能計算
后記
作者隨筆
參考文獻
前言
機器學(xué)習算法工程師的自我修養
第 1章 特征工程
第 1節 特征歸一化
第 2節 類(lèi)別型特征
第3節 高維組合特征的處理
第4節 組合特征
第5節 文本表示模型
第6節 Word2Vec
第7節 圖像數據不足時(shí)的處理方法
第 2章 模型評估
第 1節 評估指標的局限性
第 2節 ROC 曲線(xiàn)
第3節 余弦距離的應用
第4節 A/B 測試的陷阱
第5節 模型評估的方法
第6節 超參數調優(yōu)
第7節 過(guò)擬合與欠擬合
第3章 經(jīng)典算法
第 1節 支持向量機
第 2節 邏輯回歸
第3節 決策樹(shù)
第4章 降維
第 1節 PCA 最大方差理論
第 2節 PCA 最小平方誤差理論
第3節 線(xiàn)性判別分析
第4節 線(xiàn)性判別分析與主成分分析
第5章 非監督學(xué)習
第 1節 K 均值聚類(lèi)
第 2節 高斯混合模型
第3節 自組織映射神經(jīng)網(wǎng)絡(luò )
第4節 非監督學(xué)習算法的評估
第6章 概率圖模型
第 1節 概率圖模型的聯(lián)合概率分布
第 2節 概率圖表示
第3節 生成式模型與判別式模型
第4節 馬爾可夫模型
第5節 主題模型
第7章 優(yōu)化算法
第 1節 有監督學(xué)習的損失函數
第 2節 機器學(xué)習中的優(yōu)化問(wèn)題
第3節 經(jīng)典優(yōu)化算法
第4節 梯度驗證
第5節 隨機梯度下降法
第6節 隨機梯度下降法的加速
第7節 L1 正則化與稀疏性
第8章 采樣
第 1節 采樣的作用
第 2節 均勻分布隨機數
第3節 常見(jiàn)的采樣方法
第4節 高斯分布的采樣
第5節 馬爾科夫蒙特卡洛采樣法
第6節 貝葉斯網(wǎng)絡(luò )的采樣
第7節 不均衡樣本集的重采樣
第9章 前向神經(jīng)網(wǎng)絡(luò )
第 1節 多層感知機與布爾函數
第 2節 深度神經(jīng)網(wǎng)絡(luò )中的激活函數
第3節 多層感知機的反向傳播算法
第4節 神經(jīng)網(wǎng)絡(luò )訓練技巧
第5節 深度卷積神經(jīng)網(wǎng)絡(luò )
第6節 深度殘差網(wǎng)絡(luò )
第 10章 循環(huán)神經(jīng)網(wǎng)絡(luò )
第 1節 循環(huán)神經(jīng)網(wǎng)絡(luò )和卷積神經(jīng)網(wǎng)絡(luò )
第 2節 循環(huán)神經(jīng)網(wǎng)絡(luò )的梯度消失問(wèn)題
第3節 循環(huán)神經(jīng)網(wǎng)絡(luò )中的激活函數
第4節 長(cháng)短期記憶網(wǎng)絡(luò )
第5節 Seq2Seq 模型
第6節 注意力機制
第 11章 強化學(xué)習
第 1節 強化學(xué)習基礎
第 2節 視頻游戲里的強化學(xué)習
第3節 策略梯度
第4節 探索與利用
第 12章 集成學(xué)習
第 1節 集成學(xué)習的種類(lèi)
第 2節 集成學(xué)習的步驟和例子
第3節 基分類(lèi)器
第4節 偏差與方差
第5節 梯度提升決策樹(shù)的基本原理
第6節 XGBoost 與GBDT 的聯(lián)系和區別
第 13章 生成式對抗網(wǎng)絡(luò )
第 1節 初識GANs 的秘密
第 2節 WGAN：抓住低維的幽靈
第3節 DCGAN：當GANs 遇上卷積
第4節 ALI：包攬推斷業(yè)務(wù)
第5節 IRGAN：生成離散樣本
第6節 SeqGAN：生成文本序列
第 14章 人工智能的熱門(mén)應用
第 1節 計算廣告
第 2節 游戲中的人工智能
第3節 AI 在自動(dòng)駕駛中的應用
第4節 機器翻譯
第5節 人機交互中的智能計算
后記
作者隨筆
參考文獻
熱門(mén)推薦文章
相關(guān)優(yōu)評榜
1
杰士派
相關(guān)排行榜
相關(guān)產(chǎn)品
1
西西利亞
3
微軟總裁
4
平田機器人
5
如何選打印機
6
英特爾機器人
9
sony應用
10
圍棋大師
12
圖靈機器人
13
TensorFlow
15
工業(yè)機器人傳感器
16
庫卡機械
17
心智社會(huì )
18
模塊化機器人
19
清華大學(xué)
20
機器人制造
22
京公網(wǎng)安備 11000002000088號
