深度學習是目前學術界和工業(yè)界都非常火熱的話題,在許多行業(yè)有著成功應用。本書由Hulu的近30位算法研究員和算法工程師共同編寫完成,專門針對深度學習領域,是《百面機器學習:算法工程師帶你去面試》的延伸。全書內容大致分為兩個部分,第一部分介紹經(jīng)典的深度學習算法和模型,包括卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、圖神經(jīng)網(wǎng)絡、生成模型、生成式對抗網(wǎng)絡、強化學習、元學習、自動化機器學習等;第二部分介紹深度學習在一些領域的應用,包括計算機視覺、自然語言處理、推薦系統(tǒng)、計算廣告、視頻處理、計算機聽覺、自動駕駛等。本書仍然采用知識點問答的形式來組織內容,每個問題都給出了難度級和相關知識點,以督促讀者進行自我檢查和主動思考。書中每個章節(jié)精心篩選了對應領域的不同方面、不同層次上的問題,相互搭配,展示深度學習的“百面”精彩,讓不同讀者都能找到合適的內容。
本書適合相關專業(yè)的在校學生檢查和加強對所學知識點的掌握程度,求職者快速復習和補充相關的深度學習知識,以及算法工程師作為工具書隨時參閱。此外,非相關專業(yè)、但對人工智能或深度學習感興趣的研究人員,也可以通過本書大致了解一些熱門的人工智能應用、深度學習模型背后的核心算法及其思想。
不可不讀的深度學習面試寶典《百面機器學習》姊妹篇。
Hulu誠意出品,全面收錄135道算法面試題。
一線大廠算法工程師合力創(chuàng)作,直擊面試要點。
從算法與模型到多領域應用,全方位解讀深度學習。
誠意推薦
吳軍 / 《浪潮之巔》《數(shù)學之美》作者
華先勝 / 阿里巴巴達摩院人工智能中心主任,IEEE Fellow
李沐 / AWS首席科學家,《動手學深度學習》作者
孫茂松 / 清華大學人工智能研究院常務副院長
本書適合相關專業(yè)的在校學生檢查和加強對所學知識點的掌握程度,求職者快速復習和補充相關的深度學習知識,以及算法工程師作為工具書隨時參閱。此外,非相關專業(yè)、但對人工智能或深度學習感興趣的研究人員,也可以通過本書大致了解一些熱門的人工智能應用、深度學習模型背后的核心算法及其思想。
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,前雅虎北京研發(fā)中心產品總監(jiān),微軟北京研發(fā)中心項目總經(jīng)理。諸葛越獲美國斯坦福大學計算機碩士與博士學位、紐約州立大學石溪分校應用數(shù)學碩士學位,曾就讀于清華大學,2005年獲美國計算機學會數(shù)據(jù)庫專業(yè)委員會十年最佳論文獎。諸葛越是暢銷書《魔鬼老大,天使老二》作者,《百面機器學習》主編。
江云勝:北京大學應用數(shù)學博士,現(xiàn)任葫蘆資深算法研究員。畢業(yè)后加入Hulu北京研發(fā)中心的Content Intelligence組,負責內容理解相關的研究工作!栋倜鏅C器學習》主要作者之一。
葫蘆娃:近30位Hulu北京創(chuàng)新實驗室的頂尖人才,畢業(yè)于清華、北大、浙大、上交、北郵、中科院等高校。他們利用擅長的深度學習、機器學習等領域知識和算法模型,建立了一套定制化的AI平臺,改變著推薦引擎、視頻編解碼、內容理解、廣告投放等多項與用戶息息相關的在線業(yè)務技術。
目錄
前言
第 一部分 算法和模型
第 1章 卷積神經(jīng)網(wǎng)絡
01 卷積基礎知識
02 卷積的變種
03 卷積神經(jīng)網(wǎng)絡的整體結構
04 卷積神經(jīng)網(wǎng)絡的基礎模塊
參考文獻
第 2章 循環(huán)神經(jīng)網(wǎng)絡
01 循環(huán)神經(jīng)網(wǎng)絡與序列建模
02 循環(huán)神經(jīng)網(wǎng)絡中的Dropout
03 循環(huán)神經(jīng)網(wǎng)絡中的長期依賴問題
04 長短期記憶網(wǎng)絡
05 Seq2Seq 架構
參考文獻
第3章 圖神經(jīng)網(wǎng)絡
01 圖神經(jīng)網(wǎng)絡的基本結構
02 圖神經(jīng)網(wǎng)絡在推薦系統(tǒng)中的應用
03 圖神經(jīng)網(wǎng)絡的推理能力
參考文獻
第4章 生成模型
01 深度信念網(wǎng)絡與深度波爾茲曼機
02 變分自編碼器基礎知識
03 變分自編碼器的改進
04 生成式矩匹配網(wǎng)絡與深度自回歸網(wǎng)絡
參考文獻
第5章 生成式對抗網(wǎng)絡
01 生成式對抗網(wǎng)絡的基本原理
02 生成式對抗網(wǎng)絡的改進
03 生成式對抗網(wǎng)絡的效果評估
04 生成式對抗網(wǎng)絡的應用
參考文獻
第6章 強化學習
01 強化學習基礎知識
02 強化學習算法
03 深度強化學習
04 強化學習的應用
參考文獻
第7章 元學習
01 元學習的主要概念
02 元學習的主要方法
03 元學習的數(shù)據(jù)集準備
04 元學習的兩個簡單模型
05 基于度量學習的元學習模型
06 基于神經(jīng)圖靈機的元學習模型
07 基于學習優(yōu)化器的元學習模型
08 基于學習初始點的元學習模型
參考文獻
第8章 自動化機器學習
01 自動化機器學習的基本概念
02 模型和超參數(shù)自動化調優(yōu)
03 神經(jīng)網(wǎng)絡架構搜索
參考文獻
第二部分 應用
第9章 計算機視覺
01 物體檢測
02 圖像分割
03 光學字符識別
04 圖像標注
05 人體姿態(tài)識別
參考文獻
第 10章 自然語言處理
01 語言的特征表示
02 機器翻譯
03 問答系統(tǒng)
04 對話系統(tǒng)
參考文獻
第 11章 推薦系統(tǒng)
01 推薦系統(tǒng)基礎
02 推薦系統(tǒng)設計與算法
03 推薦系統(tǒng)評估
參考文獻
第 12章 計算廣告
01 點擊率預估
02 廣告召回
03 廣告投放策略
參考文獻
第 13章 視頻處理
01 視頻編解碼
02 視頻監(jiān)控
03 圖像質量評價
04 超分辨率重建
05 網(wǎng)絡通信
參考文獻
第 14章 計算機聽覺
01 音頻信號的特征提取
02 自動語音識別
03 音頻事件識別
參考文獻
第 15章 自動駕駛
01 自動駕駛的基本概念
02 端到端的自動駕駛模型
03 自動駕駛的決策系統(tǒng)
參考文獻
作者隨筆