久久国产精品99国产精,久久久无码人妻精品无码,久久久久精品国产亚洲av糖心

2020-01-06 12:10 來源：京東作者：京東

編輯推薦:　　不可不讀的機(jī)器學(xué)習(xí)面試寶典！微軟全球執(zhí)行副總裁、美國工程院院士沈向洋，《浪潮之巔》《數(shù)學(xué)之美》作者吳軍，《計(jì)算廣告》作者、科大訊飛副總裁劉鵬，聯(lián)袂推薦！
　　人工智能幾起幾落，最近這次人工智能浪潮起始于近10年，技術(shù)的飛躍發(fā)展，帶來了應(yīng)用的可能性。未來的幾年，是人工智能技術(shù)全面普及化的時(shí)期，也是算法工程師稀缺的時(shí)期。
　　本書旨在幫助對(duì)人工智能和機(jī)器學(xué)習(xí)有興趣的朋友們更加深入地了解這個(gè)領(lǐng)域的基本技能，幫助每個(gè)軟件工程師成為自信的AI實(shí)踐者，幫助每個(gè)數(shù)據(jù)科學(xué)家成為出眾的AI研究者。對(duì)每個(gè)有志進(jìn)入此領(lǐng)域的工程師來說，本書會(huì)為你鋪設(shè)一條快速通往目標(biāo)的道路。

內(nèi)容簡(jiǎn)介:　　人工智能領(lǐng)域正在以超乎人們想象的速度發(fā)展，本書趕在人工智能徹底占領(lǐng)世界之前完成編寫，實(shí)屬萬幸。
　　書中收錄了超過100道機(jī)器學(xué)習(xí)算法工程師的面試題目和解答，其中大部分源于Hulu算法研究崗位的真實(shí)場(chǎng)景。本書從日常工作、生活中各種有趣的現(xiàn)象出發(fā)，不僅囊括了機(jī)器學(xué)習(xí)的基本知識(shí)，而且還包含了成為出眾算法工程師的相關(guān)技能，更重要的是凝聚了筆者對(duì)人工智能領(lǐng)域的一顆熱忱之心，旨在培養(yǎng)讀者發(fā)現(xiàn)問題、解決問題、擴(kuò)展問題的能力，建立對(duì)機(jī)器學(xué)習(xí)的熱愛，共繪人工智能世界的宏偉藍(lán)圖。
　　“不積跬步，無以至千里”，本書將從特征工程、模型評(píng)估、降維等經(jīng)典機(jī)器學(xué)習(xí)領(lǐng)域出發(fā)，構(gòu)建一個(gè)算法工程師必-備的知識(shí)體系；見神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、生成對(duì)抗網(wǎng)絡(luò)等新科研進(jìn)展之微，知深度學(xué)習(xí)領(lǐng)域勝敗興衰之著；“博觀而約取，厚積而薄發(fā)”，在末一章為讀者展示生活中各種yin領(lǐng)時(shí)代的人工智能應(yīng)用。

作者簡(jiǎn)介:　　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，前雅虎北京全球研發(fā)中心產(chǎn)品總監(jiān)，微軟北京研發(fā)中心項(xiàng)目總經(jīng)理，雅虎美國高級(jí)軟件架構(gòu)師。諸葛越獲美國斯坦福大學(xué)的計(jì)算機(jī)碩士與博士，紐約州立大學(xué)石溪分校的應(yīng)用數(shù)學(xué)碩士，曾就讀于清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系。諸葛越的研究結(jié)果獲多項(xiàng)專利，2005年獲美國計(jì)算機(jī)學(xué)會(huì)數(shù)據(jù)庫專業(yè)委員會(huì)十年z佳論文獎(jiǎng)。

　　葫蘆娃，15位Hulu北京創(chuàng)新實(shí)驗(yàn)室的人才。他們利用擅長(zhǎng)的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等領(lǐng)域知識(shí)和算法模型，建立了一套定制化的機(jī)AI平臺(tái)，改變著推薦引擎、視頻編解碼、內(nèi)容理解、廣告投放等多項(xiàng)與用戶息息相關(guān)的在線業(yè)務(wù)技術(shù)。

目錄:推薦序
前言
機(jī)器學(xué)習(xí)算法工程師的自我修養(yǎng)
第　1章特征工程
第　1節(jié) 特征歸一化
第　2節(jié) 類別型特征
第3節(jié)　高維組合特征的處理
第4節(jié)　組合特征
第5節(jié)　文本表示模型
第6節(jié)　Word2Vec
第7節(jié)　圖像數(shù)據(jù)不足時(shí)的處理方法
第　2章模型評(píng)估
第　1節(jié) 評(píng)估指標(biāo)的局限性
第　2節(jié) ROC 曲線
第3節(jié)　余弦距離的應(yīng)用
第4節(jié)　A/B 測(cè)試的陷阱
第5節(jié)　模型評(píng)估的方法
第6節(jié)　超參數(shù)調(diào)優(yōu)
第7節(jié)　過擬合與欠擬合
第3章　經(jīng)典算法
第　1節(jié) 支持向量機(jī)
第　2節(jié) 邏輯回歸
第3節(jié)　決策樹
第4章　降維
第　1節(jié) PCA 最大方差理論
第　2節(jié) PCA 最小平方誤差理論
第3節(jié)　線性判別分析
第4節(jié)　線性判別分析與主成分分析
第5章　非監(jiān)督學(xué)習(xí)
第　1節(jié) K 均值聚類
第　2節(jié) 高斯混合模型
第3節(jié)　自組織映射神經(jīng)網(wǎng)絡(luò)
第4節(jié)　非監(jiān)督學(xué)習(xí)算法的評(píng)估
第6章　概率圖模型
第　1節(jié) 概率圖模型的聯(lián)合概率分布
第　2節(jié) 概率圖表示
第3節(jié)　生成式模型與判別式模型
第4節(jié)　馬爾可夫模型
第5節(jié)　主題模型
第7章　優(yōu)化算法
第　1節(jié) 有監(jiān)督學(xué)習(xí)的損失函數(shù)
第　2節(jié) 機(jī)器學(xué)習(xí)中的優(yōu)化問題
第3節(jié)　經(jīng)典優(yōu)化算法
第4節(jié)　梯度驗(yàn)證
第5節(jié)　隨機(jī)梯度下降法
第6節(jié)　隨機(jī)梯度下降法的加速
第7節(jié)　L1 正則化與稀疏性
第8章　采樣
第　1節(jié) 采樣的作用
第　2節(jié) 均勻分布隨機(jī)數(shù)
第3節(jié)　常見的采樣方法
第4節(jié)　高斯分布的采樣
第5節(jié)　馬爾科夫蒙特卡洛采樣法
第6節(jié)　貝葉斯網(wǎng)絡(luò)的采樣
第7節(jié)　不均衡樣本集的重采樣
第9章　前向神經(jīng)網(wǎng)絡(luò)
第　1節(jié) 多層感知機(jī)與布爾函數(shù)
第　2節(jié) 深度神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)
第3節(jié)　多層感知機(jī)的反向傳播算法
第4節(jié)　神經(jīng)網(wǎng)絡(luò)訓(xùn)練技巧
第5節(jié)　深度卷積神經(jīng)網(wǎng)絡(luò)
第6節(jié)　深度殘差網(wǎng)絡(luò)
第　10章循環(huán)神經(jīng)網(wǎng)絡(luò)
第　1節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)
第　2節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)的梯度消失問題
第3節(jié)　循環(huán)神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)
第4節(jié)　長(zhǎng)短期記憶網(wǎng)絡(luò)
第5節(jié)　Seq2Seq 模型
第6節(jié)　注意力機(jī)制
第　11章強(qiáng)化學(xué)習(xí)
第　1節(jié) 強(qiáng)化學(xué)習(xí)基礎(chǔ)
第　2節(jié) 視頻游戲里的強(qiáng)化學(xué)習(xí)
第3節(jié)　策略梯度
第4節(jié)　探索與利用
第　12章集成學(xué)習(xí)
第　1節(jié) 集成學(xué)習(xí)的種類
第　2節(jié) 集成學(xué)習(xí)的步驟和例子
第3節(jié)　基分類器
第4節(jié)　偏差與方差
第5節(jié)　梯度提升決策樹的基本原理
第6節(jié)　XGBoost 與GBDT 的聯(lián)系和區(qū)別
第　13章生成式對(duì)抗網(wǎng)絡(luò)
第　1節(jié) 初識(shí)GANs 的秘密
第　2節(jié) WGAN：抓住低維的幽靈
第3節(jié)　DCGAN：當(dāng)GANs 遇上卷積
第4節(jié)　ALI：包攬推斷業(yè)務(wù)
第5節(jié)　IRGAN：生成離散樣本
第6節(jié)　SeqGAN：生成文本序列
第　14章人工智能的熱門應(yīng)用
第　1節(jié) 計(jì)算廣告
第　2節(jié) 游戲中的人工智能
第3節(jié)　AI 在自動(dòng)駕駛中的應(yīng)用
第4節(jié)　機(jī)器翻譯
第5節(jié)　人機(jī)交互中的智能計(jì)算
后記
作者隨筆
參考文獻(xiàn)

相關(guān)商品