百面深度学习

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...

(展开全部)

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，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、纽约州立大学石溪分校应用数学硕士，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。

江云胜：2016 年毕业于北京大学数学科学学院，获应用数学博士学位。毕业后加入Hulu北京研发中心的Content Intelligence组，负责内容理解相关的研究工作。

葫芦娃：28位Hulu北京创新实验室的顶尖人才，他们利用擅长的深度学习、机器学习等领域知识和算法模型，建立了一套定制化的AI平台，改变着推荐引擎、视频编解码、内容理解、广告投放等多项与用户息息相...

(展开全部)

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，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、纽约州立大学石溪分校应用数学硕士，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。

江云胜：2016 年毕业于北京大学数学科学学院，获应用数学博士学位。毕业后加入Hulu北京研发中心的Content Intelligence组，负责内容理解相关的研究工作。

葫芦娃：28位Hulu北京创新实验室的顶尖人才，他们利用擅长的深度学习、机器学习等领域知识和算法模型，建立了一套定制化的AI平台，改变着推荐引擎、视频编解码、内容理解、广告投放等多项与用户息息相关的在线业务技术。

前言
第一部分 算法和模型
第1章　卷积神经网络
第1节　卷积基础知识
第2节　卷积的变种
第3节　卷积神经网络的整体结构
· · · · · · (更多)

前言
第一部分 算法和模型
第1章　卷积神经网络
第1节　卷积基础知识
第2节　卷积的变种
第3节　卷积神经网络的整体结构
第4节　卷积神经网络的基础模块
参考文献
第2章　循环神经网络
第1节　循环神经网络与序列建模
第2节　循环神经网络中的Dropout
第3节　循环神经网络中的长期依赖问题
第4节　长短期记忆网络
第5节　Seq2Seq 架构
参考文献
第3章　图神经网络
第1节　图神经网络的基本结构
第2节　图神经网络在推荐系统中的应用
第3节　图神经网络的推理能力
参考文献
第4章　生成模型
第1节　深度信念网络与深度波尔兹曼机
第2节　变分自编码器基础知识
第3节　变分自编码器的改进
第4节　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
第1节　生成式对抗网络的基本原理
第2节　生成式对抗网络的改进
第3节　生成式对抗网络的效果评估
第4节　生成式对抗网络的应用
参考文献
第6章　强化学习
第1节　强化学习基础知识
第2节　强化学习算法
第3节　深度强化学习
第4节　强化学习的应用
参考文献
第7章　元学习
第1节　元学习的主要概念
第2节　元学习的主要方法
第3节　元学习的数据集准备
第4节　元学习的两个简单模型
第5节　基于度量学习的元学习模型
第6节　基于神经图灵机的元学习模型
第7节　基于学习优化器的元学习模型
第8节　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
第1节　自动化机器学习的基本概念
第2节　模型和超参数自动化调优
第3节　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
第1节　物体检测
第2节　图像分割
第3节　光学字符识别
第4节　图像标注
第5节　人体姿态识别
参考文献
第10章　自然语言处理
第1节　语言的特征表示
第2节　机器翻译
第3节　问答系统
第4节　对话系统
参考文献
第11章　推荐系统
第1节　推荐系统基础
第2节　推荐系统设计与算法
第3节　推荐系统评估
参考文献
第12章　计算广告
第1节　点击率预估
第2节　广告召回
第3节　广告投放策略
参考文献
第13章　视频处理
第1节　视频编解码
第2节　视频监控
第3节　图像质量评价
第4节　超分辨率重建
第5节　网络通信
参考文献
第14章　计算机听觉
第1节　音频信号的特征提取
第2节　自动语音识别
第3节　音频事件识别
参考文献
第15章　自动驾驶
第1节　自动驾驶的基本概念
第2节　端到端的自动驾驶模型
第3节　自动驾驶的决策系统
参考文献
作者随笔
· · · · · · (收起)