百面机器学习 算法工程师带你去面试

图书标准信息

• 作者 诸葛越、葫芦娃 著
• 出版社 人民邮电出版社
• 出版时间 2018-08
• 版次 1
• ISBN 9787115487360
• 定价 89.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸

【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