百面深度学习:算法工程师带你去面试作者: 葫芦娃 出版时间:2020年版内容简介 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Dropout03 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 上一篇: 可伸缩架构:云环境下的高可用与风险管理 第2版 [美]艾奇逊 2020年版 下一篇: 世界是开放的 网络技术如何变革教育(美)柯蒂斯·J·邦克 著,焦建利 等译