百面機器學習：算法工程師帶你去面試

定　價：￥89.00

作　者：	諸葛越，葫蘆娃著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥66.75)

ISBN：	9787115487360	出版時間：	2018-08-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　人工智能領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世界之前完成編寫，實屬萬幸。書中收錄了超過100道機器學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)，不僅囊括了機器學習的基本知識，而且還包含了成為出眾算法工程師的相關技能，更重要的是凝聚了筆者對人工智能領域的一顆熱忱之心，旨在培養(yǎng)讀者發(fā)現(xiàn)問題、解決問題、擴展問題的能力，建立對機器學習的熱愛，共繪人工智能世界的宏偉藍圖。 “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)典機器學習領域出發(fā)，構建一個算法工程師必-備的知識體系；見神經(jīng)網(wǎng)絡、強化學習、生成對抗網(wǎng)絡等新科研進展之微，知深度學習領域勝敗興衰之著；“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yin領時代的人工智能應用。

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師。諸葛越獲美國斯坦福大學的計算機碩士與博士，紐約州立大學石溪分校的應用數(shù)學碩士，曾就讀于清華大學計算機科學與技術系。諸葛越的研究結果獲多項專利，2005年獲美國計算機學會數(shù)據(jù)庫專業(yè)委員會十年z佳論文獎。葫蘆娃：15位Hulu北京創(chuàng)新實驗室的人才。他們利用擅長的機器學習、深度學習等領域知識和算法模型，建立了一套定制化的機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的在線業(yè)務技術。

圖書目錄

推薦序

前言

機器學習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) 評估指標的局限性

第　2節(jié) ROC 曲線

第3節(jié)　余弦距離的應用

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

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 最大方差理論

第　2節(jié) PCA 最小平方誤差理論

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)督學習

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

第4節(jié)　非監(jiān)督學習算法的評估

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)督學習的損失函數(shù)

第　2節(jié) 機器學習中的優(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)　隨機梯度下降法

第6節(jié)　隨機梯度下降法的加速

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

第　1節(jié) 多層感知機與布爾函數(shù)

第　2節(jié) 深度神經(jīng)網(wǎng)絡中的激活函數(shù)

第3節(jié)　多層感知機的反向傳播算法

第4節(jié)　神經(jīng)網(wǎng)絡訓練技巧

第5節(jié)　深度卷積神經(jīng)網(wǎng)絡

第6節(jié)　深度殘差網(wǎng)絡

第　10章循環(huán)神經(jīng)網(wǎng)絡

第　1節(jié) 循環(huán)神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡

第　2節(jié) 循環(huán)神經(jīng)網(wǎng)絡的梯度消失問題

第3節(jié)　循環(huán)神經(jīng)網(wǎng)絡中的激活函數(shù)

第4節(jié)　長短期記憶網(wǎng)絡

第5節(jié)　Seq2Seq 模型

第6節(jié)　注意力機制

第　11章強化學習

第　1節(jié) 強化學習基礎

第　2節(jié) 視頻游戲里的強化學習

第3節(jié)　策略梯度

第4節(jié)　探索與利用

第　12章集成學習

第　1節(jié) 集成學習的種類

第　2節(jié) 集成學習的步驟和例子

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

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GANs 遇上卷積

第4節(jié)　ALI：包攬推斷業(yè)務

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 在自動駕駛中的應用

第4節(jié)　機器翻譯

第5節(jié)　人機交互中的智能計算

后記

作者隨筆

參考文獻