庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
二樓書籍分類
 
機器學習工程師面試全破解:嚴選124道AI演算法決勝題完整剖析

機器學習工程師面試全破解:嚴選124道AI演算法決勝題完整剖析

沒有庫存
訂購需時10-14天
9789864344611
葫蘆娃
博碩
2020年1月06日
217.00  元
HK$ 184.45  






ISBN:9789864344611
  • 規格:平裝 / 432頁 / 17 x 23 x 2.16 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣


  • 電腦資訊 > 概論/科技趨勢 > 人工智慧/機器學習











    ? 不可不讀的機器學習面試寶典 ?



      書中收錄了124道機器學習演算法工程師的面試題目和解答,其中絕大部分來自國際知名影音串流平台Hulu(由迪士尼所投資,總部設於美國加州)演算法研究部門的真實案例。



    媒體推薦



      「由諸葛越博士所主編的此書為Hulu公司裡,十幾位每天做著頂尖機器學習工作的工程師科學家所合著,是原創的、實際的、直接可用的內容。本書致力於普及人工智慧和機器學習,幫助每位軟體工程師成為自信的AI實踐者,每位資料科學家成為出眾的AI研究者。」──沈向洋 / 微軟全球執行副總裁,美國工程院院士



      「計算機理論和演算法常常讓人感到孤高冷傲,因為它們和具體的應用之間缺少了一些橋樑。諸葛越博士的這本書,教授大家如何搭建這些橋樑。它可以讓計算機的從業者對理論的認識突飛猛進,也可以讓非計算機專業的工程人員瞭解計算機科學這個強大的工具。」──吳軍 /《浪潮之巔》《數學之美》作者



      「在越來越多的機器學習專業書籍中,Hulu工程師們的這本專著讓我眼前一亮。本書沒有拾人牙慧,從學術角度來整理機器學習的理論和演算法體系;而是從一線工程師的視角出發,在職業方向、面試重點、模型實戰和應用案例等諸方面有精闢的介紹。對每個有志進入此領域的工程師來說,本書為你鋪設了一條快速通往目標的道路。另外,本書為多位工業界實戰專家合作完成,內容卻相當連貫系統,實在難能可貴。」──劉鵬 /《計算廣告》作者,科大訊飛副總裁



    編輯推薦

     

      微軟全球執行副總裁、美國工程院院士沈向洋、《浪潮之巔》《數學之美》作者吳軍、《計算廣告》作者、科大訊飛副總裁劉鵬,聯袂推薦!



      未來的幾年,是人工智慧技術全面普及化的時期,也是演算法工程師大量短缺的時期。本書旨在幫助對人工智慧和機器學習有興趣的朋友們,更加深入瞭解此領域的基本技能;幫助每個軟體工程師成為自信的AI實踐者;幫助每個資料科學家成為出眾的AI研究者。對每個有志進入此領域的工程師來說,本書會為你鋪設一條快速通往目標的道路!

    ?


     





    推薦序

    前言

    機器學習演算法工程師的自我修養



    第1章 特徵工程 Feature Engineering

    01 特徵正規化

    02 類別型特徵

    03 高維組合特徵的處理

    04 組合特徵

    05 文字表示模型

    06 Word2Vec

    07 圖像資料不足時的處理方法



    第2章 模型評估 Evaluate Model Performance

    01 評估指標的局限性

    02 ROC曲線

    03 餘弦距離的應用

    04 A/B測試的陷阱

    05 模型評估的方法

    06 超參數調整與最佳化

    07 過度擬合與擬合不足



    第3章 經典演算法 Classical Algorithm

    01 支援向量機

    02 邏輯迴歸

    03 決策樹



    第4章 降維 Dimensionality Reduction

    01 PCA最大變異數理論

    02 PCA最小均方誤差理論

    03 線性判別分析

    04 線性判別分析與主成分分析



    第5章 非監督學習 Unsupervised Learning

    01 K平均群集

    02 高斯混合模型

    03 自組織對映神經網路

    04 群集演算法的評估



    第6章 機率圖模型 Probabilistic Graphical Model

    01 機率圖模型的聯合機率分布

    02 機率圖表示

    03 生成式模型與判別式模型

    04 馬可夫模型

    05 主題模型



    第7章 最佳化演算法 Optimization Algorithms

    01 監督式學習的損失函數

    02 機器學習中的最佳化問題

    03 經典最佳化演算法

    04 梯度驗證

    05 隨機梯度下降法

    06 隨機梯度下降法的加速

    07 L1正則化與稀疏性



    第8章 取樣 Sampling

    01 取樣的作用

    02 均勻分布亂數

    03 常見的取樣方法

    04 常態分布的取樣

    05 馬可夫鏈蒙地卡羅取樣法

    06 貝氏網路的取樣

    07 不均衡樣本集的重取樣



    第9章 前饋神經網路 Feedforward Neural Network

    01 多層感知器與布林函數

    02 深度神經網路中的啟動函數

    03 多層感知器的反向傳播演算法

    04 神經網路訓練技巧

    05 深度卷積神經網路

    06 深度殘差網路



    第10章 遞歸神經網路 Recurrent Neutral Network

    01 遞歸神經網路和卷積神經網路

    02 遞歸神經網路的梯度消失問題

    03 遞歸神經網路的啟動函數

    04 長短期記憶網路

    05 Seq2Seq模型

    06 注意力機制



    第11章 強化學習 Reinforcement Learning

    01 強化學習基礎

    02 電玩遊戲裡的強化學習

    03 策略梯度

    04 探索與利用



    第12章 整合學習 Integrated Learning

    01 整合學習的種類

    02 整合學習的步驟和例子

    03 基分類器

    04 偏差與變異數

    05 梯度提升決策樹的基本原理

    06 XGBoost與GBDT的關聯和區別



    第13章 生成式對抗網路 Generative Adversarial Network

    01 初識GANs 的秘密

    02 WGAN:抓住低維的幽靈

    03 DCGAN:當GANs遇上卷積

    04 ALI:包攬推論業務

    05 IRGAN:產生離散樣本

    06 SeqGAN:產生文字序列



    第14章 人工智慧的熱門應用 Popular Applications of Artificial Intelligence

    01 計算廣告

    02 遊戲中的人工智慧

    03 AI 在自動駕駛中的應用

    04 機器翻譯

    05 人機互動中的智慧計算



    附錄A 作者隨筆、參考文獻



    ?




    其 他 著 作
    1. 深度學習:邁向Meta Learning
    2. 百面深度學習:演算法工程師帶你去面試 28個矽谷AI大師教你100大深度學習問題(全彩印刷)