掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機(jī)等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
人民郵電出版社職場百面機(jī)器學(xué)習(xí):算法工程師帶你去面試 版權(quán)信息
- ISBN：9787115487360
- 條形碼：9787115487360 ; 978-7-115-48736-0
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
人民郵電出版社職場百面機(jī)器學(xué)習(xí):算法工程師帶你去面試 本書特色
人工智能領(lǐng)域正在以超乎人們想象的速度發(fā)展，本書趕在人工智能徹底占領(lǐng)世界之前完成編寫，實屬萬幸。 書中收錄了超過100道機(jī)器學(xué)習(xí)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場景。本書從日常工作、生活中各種有趣的現(xiàn)象出發(fā)，不僅囊括了機(jī)器學(xué)習(xí)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(yǎng)讀者發(fā)現(xiàn)問題、解決問題、擴(kuò)展問題的能力，建立對機(jī)器學(xué)習(xí)的熱愛，共繪人工智能世界的宏偉藍(lán)圖。 “不積跬步，無以至千里”，本書將從特征工程、模型評估、降維等經(jīng)典機(jī)器學(xué)習(xí)領(lǐng)域出發(fā)，構(gòu)建一個算法工程師必-備的知識體系；見神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)等新科研進(jìn)展之微，知深度學(xué)習(xí)領(lǐng)域勝敗興衰之著；“博觀而約取，厚積而薄發(fā)”，在末一章為讀者展示生活中各種引領(lǐng)時代的人工智能應(yīng)用。
人民郵電出版社職場百面機(jī)器學(xué)習(xí):算法工程師帶你去面試 內(nèi)容簡介
人工智能領(lǐng)域正在以超乎人們想象的速度發(fā)展，本書趕在人工智能有效占領(lǐng)世界之前完成編寫，實屬萬幸。書中收錄了超過100道機(jī)器學(xué)習(xí)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場景。本書從日常工作、生活中各種有趣的現(xiàn)象出發(fā)，不僅囊括了機(jī)器學(xué)習(xí)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(yǎng)讀者發(fā)現(xiàn)問題、解決問題、擴(kuò)展問題的能力，建立對機(jī)器學(xué)習(xí)的熱愛，共繪人工智能世界的宏偉藍(lán)圖。 “不積跬步，無以至千里”，本書將從特征工程、模型評估、降維等經(jīng)典機(jī)器學(xué)習(xí)領(lǐng)域出發(fā)，構(gòu)建一個算法工程師必-備的知識體系；見神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)等新科研進(jìn)展之微，知深度學(xué)習(xí)領(lǐng)域勝敗興衰之著；“博觀而約取，厚積而薄發(fā)”，在末一章為讀者展示生活中各種引領(lǐng)時代的人工智能應(yīng)用。
人民郵電出版社職場百面機(jī)器學(xué)習(xí):算法工程師帶你去面試 目錄
推薦序
前言
機(jī)器學(xué)習(xí)算法工程師的自我修養(yǎng)
第 1章 特征工程
第 1節(jié) 特征歸一化
第 2節(jié) 類別型特征
第3節(jié) 高維組合特征的處理
第4節(jié) 組合特征
第5節(jié) 文本表示模型
第6節(jié) Word2Vec
第7節(jié) 圖像數(shù)據(jù)不足時的處理方法
第 2章 模型評估
第 1節(jié) 評估指標(biāo)的局限性
第 2節(jié) ROC 曲線
第3節(jié) 余弦距離的應(yīng)用
第4節(jié) A/B 測試的陷阱
第5節(jié) 模型評估的方法
第6節(jié) 超參數(shù)調(diào)優(yōu)
第7節(jié) 過擬合與欠擬合
第3章 經(jīng)典算法
第 1節(jié) 支持向量機(jī)
第 2節(jié) 邏輯回歸
第3節(jié) 決策樹
第4章 降維
第 1節(jié) PCA *大方差理論
第 2節(jié) PCA *小平方誤差理論
第3節(jié) 線性判別分析
第4節(jié) 線性判別分析與主成分分析
第5章 非監(jiān)督學(xué)習(xí)
第 1節(jié) K 均值聚類
第 2節(jié) 高斯混合模型
第3節(jié) 自組織映射神經(jīng)網(wǎng)絡(luò)
第4節(jié) 非監(jiān)督學(xué)習(xí)算法的評估
第6章 概率圖模型
第 1節(jié) 概率圖模型的聯(lián)合概率分布
第 2節(jié) 概率圖表示
第3節(jié) 生成式模型與判別式模型
第4節(jié) 馬爾可夫模型
第5節(jié) 主題模型
第7章 優(yōu)化算法
第 1節(jié) 有監(jiān)督學(xué)習(xí)的損失函數(shù)
第 2節(jié) 機(jī)器學(xué)習(xí)中的優(yōu)化問題
第3節(jié) 經(jīng)典優(yōu)化算法
第4節(jié) 梯度驗證
第5節(jié) 隨機(jī)梯度下降法
第6節(jié) 隨機(jī)梯度下降法的加速
第7節(jié) L1 正則化與稀疏性
第8章 采樣
第 1節(jié) 采樣的作用
第 2節(jié) 均勻分布隨機(jī)數(shù)
第3節(jié) 常見的采樣方法
第4節(jié) 高斯分布的采樣
第5節(jié) 馬爾科夫蒙特卡洛采樣法
第6節(jié) 貝葉斯網(wǎng)絡(luò)的采樣
第7節(jié) 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(jié) 多層感知機(jī)與布爾函數(shù)
第 2節(jié) 深度神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)
第3節(jié) 多層感知機(jī)的反向傳播算法
第4節(jié) 神經(jīng)網(wǎng)絡(luò)訓(xùn)練技巧
第5節(jié) 深度卷積神經(jīng)網(wǎng)絡(luò)
第6節(jié) 深度殘差網(wǎng)絡(luò)
第 10章 循環(huán)神經(jīng)網(wǎng)絡(luò)
第 1節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)
第 2節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)的梯度消失問題
第3節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)
第4節(jié) 長短期記憶網(wǎng)絡(luò)
第5節(jié) Seq2Seq 模型
第6節(jié) 注意力機(jī)制
第 11章 強(qiáng)化學(xué)習(xí)
第 1節(jié) 強(qiáng)化學(xué)習(xí)基礎(chǔ)
第 2節(jié) 視頻游戲里的強(qiáng)化學(xué)習(xí)
第3節(jié) 策略梯度
第4節(jié) 探索與利用
第 12章 集成學(xué)習(xí)
第 1節(jié) 集成學(xué)習(xí)的種類
第 2節(jié) 集成學(xué)習(xí)的步驟和例子
第3節(jié) 基分類器
第4節(jié) 偏差與方差
第5節(jié) 梯度提升決策樹的基本原理
第6節(jié) XGBoost 與GBDT 的聯(lián)系和區(qū)別
第 13章 生成式對抗網(wǎng)絡(luò)
第 1節(jié) 初識GANs 的秘密
第 2節(jié) WGAN：抓住低維的幽靈
第3節(jié) DCGAN：當(dāng)GANs 遇上卷積
第4節(jié) ALI：包攬推斷業(yè)務(wù)
第5節(jié) IRGAN：生成離散樣本
第6節(jié) SeqGAN：生成文本序列
第 14章 人工智能的熱門應(yīng)用
第 1節(jié) 計算廣告
第 2節(jié) 游戲中的人工智能
第3節(jié) AI 在自動駕駛中的應(yīng)用
第4節(jié) 機(jī)器翻譯
第5節(jié) 人機(jī)交互中的智能計算
后記
作者隨筆
參考文獻(xiàn)
前言
機(jī)器學(xué)習(xí)算法工程師的自我修養(yǎng)
第 1章 特征工程
第 1節(jié) 特征歸一化
第 2節(jié) 類別型特征
第3節(jié) 高維組合特征的處理
第4節(jié) 組合特征
第5節(jié) 文本表示模型
第6節(jié) Word2Vec
第7節(jié) 圖像數(shù)據(jù)不足時的處理方法
第 2章 模型評估
第 1節(jié) 評估指標(biāo)的局限性
第 2節(jié) ROC 曲線
第3節(jié) 余弦距離的應(yīng)用
第4節(jié) A/B 測試的陷阱
第5節(jié) 模型評估的方法
第6節(jié) 超參數(shù)調(diào)優(yōu)
第7節(jié) 過擬合與欠擬合
第3章 經(jīng)典算法
第 1節(jié) 支持向量機(jī)
第 2節(jié) 邏輯回歸
第3節(jié) 決策樹
第4章 降維
第 1節(jié) PCA *大方差理論
第 2節(jié) PCA *小平方誤差理論
第3節(jié) 線性判別分析
第4節(jié) 線性判別分析與主成分分析
第5章 非監(jiān)督學(xué)習(xí)
第 1節(jié) K 均值聚類
第 2節(jié) 高斯混合模型
第3節(jié) 自組織映射神經(jīng)網(wǎng)絡(luò)
第4節(jié) 非監(jiān)督學(xué)習(xí)算法的評估
第6章 概率圖模型
第 1節(jié) 概率圖模型的聯(lián)合概率分布
第 2節(jié) 概率圖表示
第3節(jié) 生成式模型與判別式模型
第4節(jié) 馬爾可夫模型
第5節(jié) 主題模型
第7章 優(yōu)化算法
第 1節(jié) 有監(jiān)督學(xué)習(xí)的損失函數(shù)
第 2節(jié) 機(jī)器學(xué)習(xí)中的優(yōu)化問題
第3節(jié) 經(jīng)典優(yōu)化算法
第4節(jié) 梯度驗證
第5節(jié) 隨機(jī)梯度下降法
第6節(jié) 隨機(jī)梯度下降法的加速
第7節(jié) L1 正則化與稀疏性
第8章 采樣
第 1節(jié) 采樣的作用
第 2節(jié) 均勻分布隨機(jī)數(shù)
第3節(jié) 常見的采樣方法
第4節(jié) 高斯分布的采樣
第5節(jié) 馬爾科夫蒙特卡洛采樣法
第6節(jié) 貝葉斯網(wǎng)絡(luò)的采樣
第7節(jié) 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(jié) 多層感知機(jī)與布爾函數(shù)
第 2節(jié) 深度神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)
第3節(jié) 多層感知機(jī)的反向傳播算法
第4節(jié) 神經(jīng)網(wǎng)絡(luò)訓(xùn)練技巧
第5節(jié) 深度卷積神經(jīng)網(wǎng)絡(luò)
第6節(jié) 深度殘差網(wǎng)絡(luò)
第 10章 循環(huán)神經(jīng)網(wǎng)絡(luò)
第 1節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)
第 2節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)的梯度消失問題
第3節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)
第4節(jié) 長短期記憶網(wǎng)絡(luò)
第5節(jié) Seq2Seq 模型
第6節(jié) 注意力機(jī)制
第 11章 強(qiáng)化學(xué)習(xí)
第 1節(jié) 強(qiáng)化學(xué)習(xí)基礎(chǔ)
第 2節(jié) 視頻游戲里的強(qiáng)化學(xué)習(xí)
第3節(jié) 策略梯度
第4節(jié) 探索與利用
第 12章 集成學(xué)習(xí)
第 1節(jié) 集成學(xué)習(xí)的種類
第 2節(jié) 集成學(xué)習(xí)的步驟和例子
第3節(jié) 基分類器
第4節(jié) 偏差與方差
第5節(jié) 梯度提升決策樹的基本原理
第6節(jié) XGBoost 與GBDT 的聯(lián)系和區(qū)別
第 13章 生成式對抗網(wǎng)絡(luò)
第 1節(jié) 初識GANs 的秘密
第 2節(jié) WGAN：抓住低維的幽靈
第3節(jié) DCGAN：當(dāng)GANs 遇上卷積
第4節(jié) ALI：包攬推斷業(yè)務(wù)
第5節(jié) IRGAN：生成離散樣本
第6節(jié) SeqGAN：生成文本序列
第 14章 人工智能的熱門應(yīng)用
第 1節(jié) 計算廣告
第 2節(jié) 游戲中的人工智能
第3節(jié) AI 在自動駕駛中的應(yīng)用
第4節(jié) 機(jī)器翻譯
第5節(jié) 人機(jī)交互中的智能計算
后記
作者隨筆
參考文獻(xiàn)
展開全部
人民郵電出版社職場百面機(jī)器學(xué)習(xí):算法工程師帶你去面試 作者簡介
諸葛越：現(xiàn)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(jiān)， 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(gòu)師。諸葛越獲美國斯坦福大學(xué)的計算機(jī)碩士與博士，紐約州立大學(xué)石溪分校的應(yīng)用數(shù)學(xué)碩士，曾就讀于清華大學(xué)計算機(jī)科學(xué)與技術(shù)系。諸葛越的研究結(jié)果獲多項專利，2005年獲美國計算機(jī)學(xué)會數(shù)據(jù)庫專業(yè)委員會十年最佳論文獎。 葫蘆娃：15位Hulu北京創(chuàng)新實驗室的人才。他們利用擅長的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等領(lǐng)域知識和算法模型，建立了一套定制化的機(jī)AI平臺，改變著推薦引擎、視頻編解碼、內(nèi)容理解、廣告投放等多項與用戶息息相關(guān)的在線業(yè)務(wù)技術(shù)。
書友推薦
- >
朝聞道
- >
自卑與超越
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
伯納黛特,你要去哪(2021新版)
- >
有舍有得是人生
- >
回憶愛瑪儂
- >
小考拉的故事-套裝共3冊
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
