程序员面试宝典：百面机器学习+百面深度学习 算法工程师带你去面试（套装2册）

　　《百面机器学习 算法工程师带你去面试》 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引领时代的人工智能应用。《百面深度学习 算法工程师带你去面试》 深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由Hulu的近30位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，第一部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在一些领域的应用，包括计算机视觉、自然语言处理、推荐系统、计算广告、视频处理、计算机听觉、自动驾驶等。本书仍然采用知识点问答的形式来组织内容，每个问题都给出了难度级和相关知识点，以督促读者进行自我检查和主动思考。书中每个章节精心筛选了对应领域的不同方面、不同层次上的问题，相互搭配，展示深度学习的“百面”精彩，让不同读者都能找到合适的内容。 本书适合相关专业的在校学生检查和加强对所学知识点的掌握程度，求职者快速复习和补充相关的深度学习知识，以及算法工程师作为工具书随时参阅。此外，非相关专业、但对人工智能或深度学习感兴趣的研究人员，也可以通过本书大致了解一些热门的人工智能应用、深度学习模型背后的核心算法及其思想。

　　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最佳论文奖。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。

《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 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

《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

第二部分 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