百面机器学习 算法工程师带你去面试

百面机器学习 算法工程师带你去面试
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: ,
2018-08
版次: 1
ISBN: 9787115487360
定价: 89.00
装帧: 平装
开本: 16开
纸张: 胶版纸
515人买过
  • 人工智能领域正在以超乎人们想象的速度发展,本书赶在人工智能彻底占领世界之前完成编写,实属万幸。 

     
    书中收录了超过100道机器学习算法工程师的面试题目和解答,其中大部分源于Hulu算法研究岗位的真实场景。本书从日常工作、生活中各种有趣的现象出发,不仅囊括了机器学习的基本知识,而且还包含了成为出众算法工程师的相关技能,更重要的是凝聚了笔者对人工智能领域的一颗热忱之心,旨在培养读者发现问题、解决问题、扩展问题的能力,建立对机器学习的热爱,共绘人工智能世界的宏伟蓝图。  

     
    “不积跬步,无以至千里”,本书将从特征工程、模型评估、降维等经典机器学习领域出发,构建一个算法工程师必-备的知识体系;见神经网络、强化学习、生成对抗网络等新科研进展之微,知深度学习领域胜败兴衰之著;“博观而约取,厚积而薄发”,在末一章为读者展示生活中各种yin领时代的人工智能应用。 

    诸葛越:现任Hulu公司全球研发副总裁,中国研发中心总经理。曾任Landscape Mobile 公司联合创始人兼CEO,前雅虎北京全球研发中心产品总监, 微软北京研发中心项目总经理,雅虎美国高级软件架构师。诸葛越获美国斯坦福大学的计算机硕士与博士,纽约州立大学石溪分校的应用数学硕士,曾就读于清华大学计算机科学与技术系。诸葛越的研究结果获多项专利,2005年获美国计算机学会数据库专业委员会十年z佳论文奖。 

     
    葫芦娃:15位Hulu北京创新实验室的人才。他们利用擅长的机器学习、深度学习等领域知识和算法模型,建立了一套定制化的机AI平台,改变着推荐引擎、视频编解码、内容理解、广告投放等多项与用户息息相关的在线业务技术。 

    推荐序 

     
    前言 

     
    机器学习算法工程师的自我修养 

     
    第 1章 特征工程 

     
    第 1节 特征归一化 

     
    第 2节 类别型特征 

     
    第3节 高维组合特征的处理 

     
    第4节 组合特征 

     
    第5节 文本表示模型 

     
    第6节 Word2Vec 

     
    第7节 图像数据不足时的处理方法 

     
    第 2章 模型评估 

     
    第 1节 评估指标的局限性 

     
    第 2节 ROC 曲线 

     
    第3节 余弦距离的应用 

     
    第4节 A/B 测试的陷阱 

     
    第5节 模型评估的方法 

     
    第6节 超参数调优 

     
    第7节 过拟合与欠拟合 

     
    第3章 经典算法 

     
    第 1节 支持向量机 

     
    第 2节 逻辑回归 

     
    第3节 决策树 

     
    第4章 降维 

     
    第 1节 PCA 最大方差理论 

     
    第 2节 PCA 最小平方误差理论 

     
    第3节 线性判别分析 

     
    第4节 线性判别分析与主成分分析 

     
    第5章 非监督学习 

     
    第 1节 K 均值聚类 

     
    第 2节 高斯混合模型 

     
    第3节 自组织映射神经网络 

     
    第4节 非监督学习算法的评估 

     
    第6章 概率图模型 

     
    第 1节 概率图模型的联合概率分布 

     
    第 2节 概率图表示 

     
    第3节 生成式模型与判别式模型 

     
    第4节 马尔可夫模型 

     
    第5节 主题模型 

     
    第7章 优化算法 

     
    第 1节 有监督学习的损失函数 

     
    第 2节 机器学习中的优化问题 

     
    第3节 经典优化算法 

     
    第4节 梯度验证 

     
    第5节 随机梯度下降法 

     
    第6节 随机梯度下降法的加速 

     
    第7节 L1 正则化与稀疏性 

     
    第8章 采样 

     
    第 1节 采样的作用 

     
    第 2节 均匀分布随机数 

     
    第3节 常见的采样方法 

     
    第4节 高斯分布的采样 

     
    第5节 马尔科夫蒙特卡洛采样法 

     
    第6节 贝叶斯网络的采样 

     
    第7节 不均衡样本集的重采样 

     
    第9章 前向神经网络 

     
    第 1节 多层感知机与布尔函数 

     
    第 2节 深度神经网络中的激活函数 

     
    第3节 多层感知机的反向传播算法 

     
    第4节 神经网络训练技巧 

     
    第5节 深度卷积神经网络 

     
    第6节 深度残差网络 

     
    第 10章 循环神经网络 

     
    第 1节 循环神经网络和卷积神经网络 

     
    第 2节 循环神经网络的梯度消失问题 

     
    第3节 循环神经网络中的激活函数 

     
    第4节 长短期记忆网络 

     
    第5节 Seq2Seq 模型 

     
    第6节 注意力机制 

     
    第 11章 强化学习 

     
    第 1节 强化学习基础 

     
    第 2节 视频游戏里的强化学习 

     
    第3节 策略梯度 

     
    第4节 探索与利用 

     
    第 12章 集成学习 

     
    第 1节 集成学习的种类 

     
    第 2节 集成学习的步骤和例子 

     
    第3节 基分类器 

     
    第4节 偏差与方差 

     
    第5节 梯度提升决策树的基本原理 

     
    第6节 XGBoost 与GBDT 的联系和区别 

     
    第 13章 生成式对抗网络 

     
    第 1节 初识GANs 的秘密 

     
    第 2节 WGAN:抓住低维的幽灵 

     
    第3节 DCGAN:当GANs 遇上卷积 

     
    第4节 ALI:包揽推断业务 

     
    第5节 IRGAN:生成离散样本 

     
    第6节 SeqGAN:生成文本序列 

     
    第 14章 人工智能的热门应用 

     
    第 1节 计算广告 

     
    第 2节 游戏中的人工智能 

     
    第3节 AI 在自动驾驶中的应用 

     
    第4节 机器翻译 

     
    第5节 人机交互中的智能计算 

     
    后记 

     
    作者随笔 

     
    参考文献 

     

  • 内容简介:
    人工智能领域正在以超乎人们想象的速度发展,本书赶在人工智能彻底占领世界之前完成编写,实属万幸。 

     
    书中收录了超过100道机器学习算法工程师的面试题目和解答,其中大部分源于Hulu算法研究岗位的真实场景。本书从日常工作、生活中各种有趣的现象出发,不仅囊括了机器学习的基本知识,而且还包含了成为出众算法工程师的相关技能,更重要的是凝聚了笔者对人工智能领域的一颗热忱之心,旨在培养读者发现问题、解决问题、扩展问题的能力,建立对机器学习的热爱,共绘人工智能世界的宏伟蓝图。  

     
    “不积跬步,无以至千里”,本书将从特征工程、模型评估、降维等经典机器学习领域出发,构建一个算法工程师必-备的知识体系;见神经网络、强化学习、生成对抗网络等新科研进展之微,知深度学习领域胜败兴衰之著;“博观而约取,厚积而薄发”,在末一章为读者展示生活中各种yin领时代的人工智能应用。 

  • 作者简介:
    诸葛越:现任Hulu公司全球研发副总裁,中国研发中心总经理。曾任Landscape Mobile 公司联合创始人兼CEO,前雅虎北京全球研发中心产品总监, 微软北京研发中心项目总经理,雅虎美国高级软件架构师。诸葛越获美国斯坦福大学的计算机硕士与博士,纽约州立大学石溪分校的应用数学硕士,曾就读于清华大学计算机科学与技术系。诸葛越的研究结果获多项专利,2005年获美国计算机学会数据库专业委员会十年z佳论文奖。 

     
    葫芦娃:15位Hulu北京创新实验室的人才。他们利用擅长的机器学习、深度学习等领域知识和算法模型,建立了一套定制化的机AI平台,改变着推荐引擎、视频编解码、内容理解、广告投放等多项与用户息息相关的在线业务技术。 

  • 目录:
    推荐序 

     
    前言 

     
    机器学习算法工程师的自我修养 

     
    第 1章 特征工程 

     
    第 1节 特征归一化 

     
    第 2节 类别型特征 

     
    第3节 高维组合特征的处理 

     
    第4节 组合特征 

     
    第5节 文本表示模型 

     
    第6节 Word2Vec 

     
    第7节 图像数据不足时的处理方法 

     
    第 2章 模型评估 

     
    第 1节 评估指标的局限性 

     
    第 2节 ROC 曲线 

     
    第3节 余弦距离的应用 

     
    第4节 A/B 测试的陷阱 

     
    第5节 模型评估的方法 

     
    第6节 超参数调优 

     
    第7节 过拟合与欠拟合 

     
    第3章 经典算法 

     
    第 1节 支持向量机 

     
    第 2节 逻辑回归 

     
    第3节 决策树 

     
    第4章 降维 

     
    第 1节 PCA 最大方差理论 

     
    第 2节 PCA 最小平方误差理论 

     
    第3节 线性判别分析 

     
    第4节 线性判别分析与主成分分析 

     
    第5章 非监督学习 

     
    第 1节 K 均值聚类 

     
    第 2节 高斯混合模型 

     
    第3节 自组织映射神经网络 

     
    第4节 非监督学习算法的评估 

     
    第6章 概率图模型 

     
    第 1节 概率图模型的联合概率分布 

     
    第 2节 概率图表示 

     
    第3节 生成式模型与判别式模型 

     
    第4节 马尔可夫模型 

     
    第5节 主题模型 

     
    第7章 优化算法 

     
    第 1节 有监督学习的损失函数 

     
    第 2节 机器学习中的优化问题 

     
    第3节 经典优化算法 

     
    第4节 梯度验证 

     
    第5节 随机梯度下降法 

     
    第6节 随机梯度下降法的加速 

     
    第7节 L1 正则化与稀疏性 

     
    第8章 采样 

     
    第 1节 采样的作用 

     
    第 2节 均匀分布随机数 

     
    第3节 常见的采样方法 

     
    第4节 高斯分布的采样 

     
    第5节 马尔科夫蒙特卡洛采样法 

     
    第6节 贝叶斯网络的采样 

     
    第7节 不均衡样本集的重采样 

     
    第9章 前向神经网络 

     
    第 1节 多层感知机与布尔函数 

     
    第 2节 深度神经网络中的激活函数 

     
    第3节 多层感知机的反向传播算法 

     
    第4节 神经网络训练技巧 

     
    第5节 深度卷积神经网络 

     
    第6节 深度残差网络 

     
    第 10章 循环神经网络 

     
    第 1节 循环神经网络和卷积神经网络 

     
    第 2节 循环神经网络的梯度消失问题 

     
    第3节 循环神经网络中的激活函数 

     
    第4节 长短期记忆网络 

     
    第5节 Seq2Seq 模型 

     
    第6节 注意力机制 

     
    第 11章 强化学习 

     
    第 1节 强化学习基础 

     
    第 2节 视频游戏里的强化学习 

     
    第3节 策略梯度 

     
    第4节 探索与利用 

     
    第 12章 集成学习 

     
    第 1节 集成学习的种类 

     
    第 2节 集成学习的步骤和例子 

     
    第3节 基分类器 

     
    第4节 偏差与方差 

     
    第5节 梯度提升决策树的基本原理 

     
    第6节 XGBoost 与GBDT 的联系和区别 

     
    第 13章 生成式对抗网络 

     
    第 1节 初识GANs 的秘密 

     
    第 2节 WGAN:抓住低维的幽灵 

     
    第3节 DCGAN:当GANs 遇上卷积 

     
    第4节 ALI:包揽推断业务 

     
    第5节 IRGAN:生成离散样本 

     
    第6节 SeqGAN:生成文本序列 

     
    第 14章 人工智能的热门应用 

     
    第 1节 计算广告 

     
    第 2节 游戏中的人工智能 

     
    第3节 AI 在自动驾驶中的应用 

     
    第4节 机器翻译 

     
    第5节 人机交互中的智能计算 

     
    后记 

     
    作者随笔 

     
    参考文献 

     

查看详情
相关图书 / 更多
百面机器学习 算法工程师带你去面试
百面铜镜百首诗
杨传耕 著
百面机器学习 算法工程师带你去面试
百面杭钢(典藏版)
潘杰 著
百面机器学习 算法工程师带你去面试
百面深度学习算法工程师带你去面试
诸葛越、江云胜 著
百面机器学习 算法工程师带你去面试
百面书生李彦宏
谢天武 著