百面深度學習 : 算法工程師帶你去面試
諸葛越,江雲勝著
- 出版商: 人民郵電
- 出版日期: 2020-07-01
- 定價: $594
- 售價: 8.5 折 $505
- 貴賓價: 8.0 折 $475
- 語言: 簡體中文
- 頁數: 429
- 裝訂: 平裝
- ISBN: 7115530971
- ISBN-13: 9787115530974
-
相關分類:
DeepLearning、面試技巧
-
相關翻譯:
深度學習: 邁向 Meta Learning (繁中版)
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$534$507 -
$834$792 -
$352Python 貝葉斯分析
-
$556$523 -
$454強化學習實戰:強化學習在阿裡的技術演進和業務創新 匯集了阿裡巴巴一線算法工程師在強化學習應用方面的經驗和心得。
-
$650$507 -
$474$450 -
$648$616 -
$454超大流量分佈式系統架構解決方案:人人都是架構師2.0
-
$690$587 -
$403機器學習理論導引
-
$239物聯網操作系統 LiteOS 內核開發與實踐
-
$266Python 深度學習應用 (Applied Deep Learning with Python: Use scikit-learn, TensorFlow, and Keras to create intelligent systems and machine learning solutions)
-
$311機器學習基礎 建模與問題求解
-
$672$638 -
$336$319 -
$560$420 -
$400$300 -
$286深度學習算法與實踐
-
$550$435 -
$780$616 -
$480$379 -
$590$466 -
$880$695 -
$680$537
相關主題
商品描述
深度學習是目前學術界和工業界都非常火熱的話題,在許多行業有著成功應用。
本書由Hulu的近30位算法研究員和算法工程師共同編寫完成,專門針對深度學習領域,
是《百面機器學習:算法工程師帶你去面試》的延伸。
全書內容大致分為兩個部分,
第一部分介紹經典的深度學習算法和模型,包括卷積神經網絡、循環神經網絡、
圖神經網絡、生成模型、生成式對抗網絡、強化學習、元學習、自動化機器學習等;
第二部分介紹深度學習在一些領域的應用,包括計算機視覺、自然語言處理、
推薦系統、計算廣告、視頻處理、計算機聽覺、自動駕駛等。
本書仍然採用知識點問答的形式來組織內容,每個問題都給出了難度級和相關知識點,
以督促讀者進行自我檢查和主動思考。書中每個章節精心篩選了對應領域的不同方面、
不同層次上的問題,相互搭配,展示深度學習的“百面”精彩,讓不同讀者都能找到合適的內容。
本書適合相關專業的在校學生檢查和加強對所學知識點的掌握程度,
求職者快速復習和補充相關的深度學習知識,以及算法工程師作為工具書隨時參閱。
此外,非相關專業、但對人工智能或深度學習感興趣的研究人員,
也可以通過本書大致了解一些熱門的人工智能應用、深度學習模型背後的核心算法及其思想。
作者簡介
諸葛越
現任Hulu公司全球研發副總裁,中國研發中心總經理。
曾任Landscape Mobile公司聯合創始人兼CEO,
前雅虎北京研發中心產品總監,微軟北京研發中心項目總經理。
諸葛越獲美國斯坦福大學計算機碩士與博士學位、紐約州立大學石溪分校應用數學碩士學位,
曾就讀於清華大學,2005年獲美國計算機學會數據庫專業委員會十年最佳論文獎。
諸葛越是暢銷書《魔鬼老大,天使老二》作者,《百面機器學習》主編。
江雲勝
北京大學應用數學博士,現任葫蘆資深算法研究員。
畢業後加入Hulu北京研發中心的Content Intelligence組,負責內容理解相關的研究工作。
《百面機器學習》主要作者之一。
葫蘆娃
近30位Hulu北京創新實驗室的ding尖人才,畢業於清華、北大、浙大、上交、北郵、中科院等高校。
他們利用擅長的深度學習、機器學習等領域知識和算法模型,建立了一套定制化的AI平台,
改變著推薦引擎、視頻編解碼、內容理解、廣告投放等多項與用戶息息相關的在線業務技術。
目錄大綱
目錄
前言
第一部分算法和模型
第1章卷積神經網絡
01卷積基礎知識
02卷積的變種
03卷積神經網絡的整體結構
04卷積神經網絡的基礎模塊
參考文獻
第2章循環神經網絡
01循環神經網絡與序列建模
02循環神經網絡中的Dropout
03循環神經網絡中的長期依賴問題
04長短期記憶網絡
05 Seq2Seq架構
參考文獻
第3章圖神經網絡
01圖神經網絡的基本結構
02圖神經網絡在推薦系統中的應用
03圖神經網絡的推理能力
參考文獻
第4章生成模型
01深度信念網絡與深度波爾茲曼機
02變分自編碼器基礎知識
03變分自編碼器的改進
04生成式矩匹配網絡與深度自回歸網絡
參考文獻
第5章生成式對抗網絡
01生成式對抗網絡的基本原理
02生成式對抗網絡的改進
03生成式對抗網絡的效果評估
04生成式對抗網絡的應用
參考文獻
第6章強化學習
01強化學習基礎知識
02強化學習算法
03深度強化學習
04強化學習的應用
參考文獻
第7章元學習
01元學習的主要概念
02元學習的主要方法
03元學習的數據集準備
04元學習的兩個簡單模型
05基於度量學習的元學習模型
06基於神經圖靈機的元學習模型
07基於學習優化器的元學習模型
08基於學習初始點的元學習模型
參考文獻
第8章自動化機器學習
01自動化機器學習的基本概念
02模型和超參數自動化調優
03神經網絡架構搜索
參考文獻
*二部分應用
第9章計算機視覺
01物體檢測
02圖像分割
03光學字符識別
04圖像標註
05人體姿態識別
參考文獻
第10章自然語言處理
01語言的特徵表示
02機器翻譯
03問答系統
04對話系統
參考文獻
第11章推薦系統
01推薦系統基礎
02推薦系統設計與算法
03推薦系統評估
參考文獻
第12章計算廣告
01點擊率預估
02廣告召回
03廣告投放策略
參考文獻
第13章視頻處理
01視頻編解碼
02視頻監控
03圖像質量評價
04超分辨率重建
05網絡通信
參考文獻
第14章計算機聽覺
01音頻信號的特徵提取
02自動語音識別
03音頻事件識別
參考文獻
第15章自動駕駛
01自動駕駛的基本概念
02端到端的自動駕駛模型
03自動駕駛的決策系統
參考文獻
作者隨筆