目 录
- 版权信息
- 内容提要
- 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
- 特征归一化
- 类别型特征
- 高维组合特征的处理
- 组合特征
- 文本表示模型
- Word2Vec
- 图像数据不足时的处理方法
第2章 模型评估
- 评估指标的局限性
- ROC曲线
- 余弦距离的应用
- A/B测试的陷阱
- 模型评估的方法
- 超参数调优
- 过拟合与欠拟合
第3章 经典算法
- 支持向量机
- 逻辑回归
- 决策树
第4章 降维
- PCA最大方差理论
- PCA最小平方误差理论
- 线性判别分析
- 线性判别分析与主成分分析
第5章 非监督学习
- K均值聚类
- 高斯混合模型
- 自组织映射神经网络
- 聚类算法的评估
第6章 概率图模型
- 概率图模型的联合概率分布
- 概率图表示
- 生成式模型与判别式模型
- 马尔可夫模型
- 主题模型
第7章 优化算法
- 有监督学习的损失函数
- 机器学习中的优化问题
- 经典优化算法
- 梯度验证
- 随机梯度下降法
- 随机梯度下降法的加速
- L1正则化与稀疏性
第8章 采样
- 采样的作用
- 均匀分布随机数
- 常见的采样方法
- 高斯分布的采样
- 马尔可夫蒙特卡洛采样法
- 贝叶斯网络的采样
- 不均衡样本集的重采样
第9章 前向神经网络
- 多层感知机与布尔函数
- 深度神经网络中的激活函数
- 多层感知机的反向传播算法
- 神经网络训练技巧
- 深度卷积神经网络
- 深度残差网络
第10章 循环神经网络
- 循环神经网络和卷积神经网络
- 循环神经网络的梯度消失问题
- 循环神经网络中的激活函数
- 长短期记忆网络
- Seq2Seq模型
- 注意力机制
第11章 强化学习
- 强化学习基础
- 视频游戏里的强化学习
- 策略梯度
- 探索与利用
第12章 集成学习
- 集成学习的种类
- 集成学习的步骤和例子
- 基分类器
- 偏差与方差
- 梯度提升决策树的基本原理
- XGBoost与GBDT的联系和区别
第13章 生成式对抗网络
- 初识GANs的秘密
- WGAN:抓住低维的幽灵
- DCGAN:当GANs遇上卷积
- ALI:包揽推断业务
- IRGAN: 生成离散样本
- SeqGAN:生成文本序列
第14章 人工智能的热门应用
- 计算广告
- 游戏中的人工智能
- AI在自动驾驶中的应用
- 机器翻译
- 人机交互中的智能计算
- 后记
- 作者随笔
- 参考文献
版权信息
书名: 百面机器学习 算法工程师带你去面试
ISBN: 978-7-115-48736-0
本书由人民邮电出版社发行数字版。版权所有,侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用, 未经授权, 不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟,与我们共同保护知识产权。
如果购买者有侵权行为, 我们可能对该用户实施包括但不限于关闭该帐号等维权措施, 并可能追究法律责任。
主 编: 诸葛越
著: 葫芦娃
责任编辑: 俞 彬
人民邮电出版社出版发行: 北京市丰台区成寿寺路11号
邮编: 100164
电子邮件: 315@ptpress.com.cn
读者服务热线: (010)81055410
反盗版热线: (010)81055315
内容提要
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,而且还包含了成为优秀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、 生成对抗网络等最新科研进展之微,知机器学习领域胜败兴衰之著；“博观而约取,厚积而薄发”,在最后一章为读者展示生活中各种引领时代的人工智能应用。
推荐序
很荣幸有机会推荐清华大学计算机系1991级校友诸葛越和她的团队写的新书 《百面机器学习:算法工程师带你去面试》。
毋庸置疑,人工智能现在正在蓬勃兴起,就像生机勃发的春天,就其热度而言,说它处在夏天也十分贴切,但我更愿意把它比作收获的金秋。目前席卷全球的人工智能大潮, 实际上是机器学习二三十年来理论和算法研究厚积薄发的结果 (当然,还要加上与大数据和强大计算能力的风云际会),其本质属于“弱人工智能”范畴。这一波大潮恣肆到极致后一旦消退, 我们期望的下一波大潮必然将是“强人工智能”所催发的,但由于其理论探索的高度困难性,尚难以设想下一波大潮什么时候才会再次奔涌而至。所以当下的我们,一定要把握住这难得的机遇,抓紧收获“弱人工智能”慷慨馈赠的足够丰硕的“果实”。可以想象,形形色色的人工智能应用将在近一两年走进千家万户, 会像互联网一样, 给人们的生活, 给社会和经济带来深远的影响。
然而, 收获并不是唾手可得的, 只有有能耐摘取“果实”的人才能尽享丰收的喜悦—这就是在一线从事人工智能和机器学习工作的人们(通常也被称作算法工程师)。正是这些人,针对不同的实际应用,在不断地尝试新的方法,不断地实现新的算法。他们了解需求、收集数据、设计算法、反复实验并持续优化。他们是人工智能新一代技术的“弄潮儿”和推动者。
那么, 你是否想成为他们中的一员呢? 你又如何能快速成为他们中的一员呢?
也许这本书可以帮你前进一步。在人工智能技术如火如荼的时代,大批优秀的研究员和程序员正辛勤致力于解决人工智能和机器学习的实际应用问题, 市场上急需这方面的技术实操书。而本书刚好填补了这方面的空白。它的内容由简至繁依次展开, 涵盖了机器学习各个实用领域, 并采取了举例和问答的形式, 生动活泼,使每个读者既能了解人工智能从业者所需要的技能,又能学会掌握这些技能。
我从事人工智能研究已有三十余年了, 研究兴趣比较广泛, 涵盖了自然语言理解、机器学习、社会人文计算等,与这个领域相知相行。我认识诸葛越多年, 她是我们系有名的“学霸”,曾经获得美国计算机学会数据库专业委员会十年最佳论文奖(ACM SIGMOD Test of Time Award)。回国后她也常常来系里参加活动。 我了解到她的团队中的每一位成员都有非常优秀的背景。本书是工业界每天从事机器学习工作的数据科学家一起撰写的著作,它一定不会让你失望。
希望更多的朋友通过读这本书, 成为更好的算法工程师、数据科学家和人工智能的实践者。我带领的研究小组最近研制了一个“九歌”古诗自动写作系统, 2017年登录央视大型科学挑战类节目《机智过人》,它在节目中的表现初步达到了与人类诗人难分伯仲的程度, 而其基本框架正是得益于本书讲述了的长短期记忆网络和Seq2Seq 模型。这里我姑且借用“九歌”写作的一首五绝集句诗,祝本书的所有读者都能在这个激动人心的技术新时代更上一层楼:
更上一层楼《登鹳雀楼》唐・王之涣
蝉声满树头《闲二首》唐·元稹
春光无限好《感皇恩·春水满池塘》宋・叶景山
月涌大江流《旅夜书怀》唐・杜甫
孙茂松
清华大学计算机系教授, 博导, 前系主任, 前党委书记
2018年6月2日于清华园
end