百面深度学习算法工程师带你去面试_诸葛越江云胜_9787115530974

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。

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

你还可能感兴趣

我要评论