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

作者介绍

《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。

关联推荐

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