
微信扫一扫,移动浏览光盘
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引领时代的人工智能应用。
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 *方差理论
第 2节 PCA *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
百面机器学习 算法工程师带你去面试
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ:4006604884
云图客服:
用户发送的提问,这种方式就需要有位在线客服来回答用户的问题,这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
