目录
《百面机器学习 算法工程师带你去面试》
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 *大方差理论
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
《百面深度学习 算法工程师带你去面试》
目录
前言
第 一部分 算法和模型
第 1章 卷积神经网络
01 卷积基础知识
02 卷积的变种
03 卷积神经网络的整体结构
04 卷积神经网络的基础模块
参考文献
第 2章 循环神经网络
01 循环神经网络与序列建模
02 循环神经网络中的Dropout
03 循环神经网络中的长期依赖问题
04 长短期记忆网络
05 Seq2Seq 架构
参考文献
第3章 图神经网络
01 图神经网络的基本结构
02 图神经网络在推荐系统中的应用
03 图神经网络的推理能力
参考文献
第4章 生成模型
01 深度信念网络与深度波尔兹曼机
02 变分自编码器基础知识
03 变分自编码器的改进
04 生成式矩匹配网络与深度自回归网络
参考文献
第5章 生成式对抗网络
01 生成式对抗网络的基本原理
02 生成式对抗网络的改进
03 生成式对抗网络的效果评估
04 生成式对抗网络的应用
参考文献
第6章 强化学习
01 强化学习基础知识
02 强化学习算法
03 深度强化学习
04 强化学习的应用
参考文献
第7章 元学习
01 元学习的主要概念
02 元学习的主要方法
03 元学习的数据集准备
04 元学习的两个简单模型
05 基于度量学习的元学习模型
06 基于神经图灵机的元学习模型
07 基于学习优化器的元学习模型
08 基于学习初始点的元学习模型
参考文献
第8章 自动化机器学习
01 自动化机器学习的基本概念
02 模型和超参数自动化调优
03 神经网络架构搜索
参考文献
*二部分 应用
第9章 计算机视觉
01 物体检测
02 图像分割
03 光学字符识别
04 图像标注
05 人体姿态识别
参考文献
第 10章 自然语言处理
01 语言的特征表示
02 机器翻译
03 问答系统
04 对话系统
参考文献
第 11章 推荐系统
01 推荐系统基础
02 推荐系统设计与算法
03 推荐系统评估
参考文献
第 12章 计算广告
01 点击率预估
02 广告召回
03 广告投放策略
参考文献
第 13章 视频处理
01 视频编解码
02 视频监控
03 图像质量评价
04 超分辨率重建
05 网络通信
参考文献
第 14章 计算机听觉
01 音频信号的特征提取
02 自动语音识别
03 音频事件识别
参考文献
第 15章 自动驾驶
01 自动驾驶的基本概念
02 端到端的自动驾驶模型
03 自动驾驶的决策系统
参考文献
作者随笔
《百面机器学习 算法工程师带你去面试》
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*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。
《百面深度学习 算法工程师带你去面试》
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，前雅虎北京研发中心产品总监，微软北京研发中心项目总
经理。诸葛越获美国斯坦福大学计算机硕士与博士学位、纽约州立大学石溪分校应用数学硕士学位，曾就读于清华大学，2005年获美国计算机学会数据库专业委员会十年*
佳论文奖。诸葛越是畅销书《魔鬼老大，天使老二》作者，《百面机器学习》主编。
江云胜：北京大学应用数学博士，现任葫芦*深算法研究员。毕业后加入Hulu北京研发中心的Content Intelligence组，负责内容理解相关的研究工作。《百面机器学习》
主要作者之一。
葫芦娃：近30位Hulu北京创新实验室的*尖人才，毕业于清华、北大、浙大、上交、北邮、中科院等高校。他们利用擅长的深度学习、机器学习等领域知识和算法模型，建
立了一套定制化的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。
人工智能时代程序员不可不读深度学习面试宝典，全面收录135道真实算法面试题，直击面试要点，互联网头部企业都在用，浪潮之巅、数学之美作者吴军、动手学深度学习作者李沐、清华大学孙茂松联袂推荐
