123,123,123

內(nèi)容簡(jiǎn)介

　　深度學(xué)習(xí)是目前學(xué)術(shù)界和工業(yè)界都非?；馃岬脑掝}，在許多行業(yè)有著成功應(yīng)用。本書由Hulu的近30位算法研究員和算法工程師共同編寫完成，專門針對(duì)深度學(xué)習(xí)領(lǐng)域，是《百面機(jī)器學(xué)習(xí)：算法工程師帶你去面試》的延伸。全書內(nèi)容大致分為兩個(gè)部分，第一部分介紹經(jīng)典的深度學(xué)習(xí)算法和模型，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)、生成模型、生成式對(duì)抗網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、元學(xué)習(xí)、自動(dòng)化機(jī)器學(xué)習(xí)等；第二部分介紹深度學(xué)習(xí)在一些領(lǐng)域的應(yīng)用，包括計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、推薦系統(tǒng)、計(jì)算廣告、視頻處理、計(jì)算機(jī)聽覺(jué)、自動(dòng)駕駛等。本書仍然采用知識(shí)點(diǎn)問(wèn)答的形式來(lái)組織內(nèi)容，每個(gè)問(wèn)題都給出了難度級(jí)和相關(guān)知識(shí)點(diǎn)，以督促讀者進(jìn)行自我檢查和主動(dòng)思考。書中每個(gè)章節(jié)精心篩選了對(duì)應(yīng)領(lǐng)域的不同方面、不同層次上的問(wèn)題，相互搭配，展示深度學(xué)習(xí)的“百面”精彩，讓不同讀者都能找到合適的內(nèi)容。本書適合相關(guān)專業(yè)的在校學(xué)生檢查和加強(qiáng)對(duì)所學(xué)知識(shí)點(diǎn)的掌握程度，求職者快速?gòu)?fù)習(xí)和補(bǔ)充相關(guān)的深度學(xué)習(xí)知識(shí)，以及算法工程師作為工具書隨時(shí)參閱。此外，非相關(guān)專業(yè)、但對(duì)人工智能或深度學(xué)習(xí)感興趣的研究人員，也可以通過(guò)本書大致了解一些熱門的人工智能應(yīng)用、深度學(xué)習(xí)模型背后的核心算法及其思想。

作者簡(jiǎn)介

　　諸葛越：現(xiàn)任Hulu公司全球研發(fā)副總裁，中國(guó)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。諸葛越獲美國(guó)斯坦福大學(xué)計(jì)算機(jī)碩士與博士學(xué)位、紐約州立大學(xué)石溪分校應(yīng)用數(shù)學(xué)碩士學(xué)位，曾就讀于清華大學(xué)，2005年獲美國(guó)計(jì)算機(jī)學(xué)會(huì)數(shù)據(jù)庫(kù)專業(yè)委員會(huì)十年最佳論文獎(jiǎng)。諸葛越是暢銷書《魔鬼老大，天使老二》作者，《百面機(jī)器學(xué)習(xí)》主編。江云勝：北京大學(xué)應(yīng)用數(shù)學(xué)博士，現(xiàn)任葫蘆資深算法研究員。畢業(yè)后加入Hulu北京研發(fā)中心的Content Intelligence組，負(fù)責(zé)內(nèi)容理解相關(guān)的研究工作?！栋倜鏅C(jī)器學(xué)習(xí)》主要作者之一。葫蘆娃：近30位Hulu北京創(chuàng)新實(shí)驗(yàn)室的ding尖人才，畢業(yè)于清華、北大、浙大、上交、北郵、中科院等高校。他們利用擅長(zhǎng)的深度學(xué)習(xí)、機(jī)器學(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)。

圖書目錄

前言

第一部分算法和模型

第 1章　卷積神經(jīng)網(wǎng)絡(luò)

01　卷積基礎(chǔ)知識(shí)

02　卷積的變種

03　卷積神經(jīng)網(wǎng)絡(luò)的整體結(jié)構(gòu)

04　卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)模塊

參考文獻(xiàn)

第 2章　循環(huán)神經(jīng)網(wǎng)絡(luò)

01　循環(huán)神經(jīng)網(wǎng)絡(luò)與序列建模

02　循環(huán)神經(jīng)網(wǎng)絡(luò)中的Dropout

03　循環(huán)神經(jīng)網(wǎng)絡(luò)中的長(zhǎng)期依賴問(wèn)題

04　長(zhǎng)短期記憶網(wǎng)絡(luò)

05　Seq2Seq 架構(gòu)

參考文獻(xiàn)

第3章　圖神經(jīng)網(wǎng)絡(luò)

01　圖神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

02　圖神經(jīng)網(wǎng)絡(luò)在推薦系統(tǒng)中的應(yīng)用

03　圖神經(jīng)網(wǎng)絡(luò)的推理能力

參考文獻(xiàn)

第4章　生成模型

01　深度信念網(wǎng)絡(luò)與深度波爾茲曼機(jī)

02　變分自編碼器基礎(chǔ)知識(shí)

03　變分自編碼器的改進(jìn)

04　生成式矩匹配網(wǎng)絡(luò)與深度自回歸網(wǎng)絡(luò)

參考文獻(xiàn)

第5章　生成式對(duì)抗網(wǎng)絡(luò)

01　生成式對(duì)抗網(wǎng)絡(luò)的基本原理

02　生成式對(duì)抗網(wǎng)絡(luò)的改進(jìn)

03　生成式對(duì)抗網(wǎng)絡(luò)的效果評(píng)估

04　生成式對(duì)抗網(wǎng)絡(luò)的應(yīng)用

參考文獻(xiàn)

第6章　強(qiáng)化學(xué)習(xí)

01　強(qiáng)化學(xué)習(xí)基礎(chǔ)知識(shí)

02　強(qiáng)化學(xué)習(xí)算法

03　深度強(qiáng)化學(xué)習(xí)

04　強(qiáng)化學(xué)習(xí)的應(yīng)用

參考文獻(xiàn)

第7章　元學(xué)習(xí)

01　元學(xué)習(xí)的主要概念

02　元學(xué)習(xí)的主要方法

03　元學(xué)習(xí)的數(shù)據(jù)集準(zhǔn)備

04　元學(xué)習(xí)的兩個(gè)簡(jiǎn)單模型

05　基于度量學(xué)習(xí)的元學(xué)習(xí)模型

06　基于神經(jīng)圖靈機(jī)的元學(xué)習(xí)模型

07　基于學(xué)習(xí)優(yōu)化器的元學(xué)習(xí)模型

08　基于學(xué)習(xí)初始點(diǎn)的元學(xué)習(xí)模型

參考文獻(xiàn)

第8章　自動(dòng)化機(jī)器學(xué)習(xí)

01　自動(dòng)化機(jī)器學(xué)習(xí)的基本概念

02　模型和超參數(shù)自動(dòng)化調(diào)優(yōu)

03　神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索

參考文獻(xiàn)

第二部分應(yīng)用

第9章　計(jì)算機(jī)視覺(jué)

01　物體檢測(cè)

02　圖像分割

03　光學(xué)字符識(shí)別

04　圖像標(biāo)注

05　人體姿態(tài)識(shí)別

參考文獻(xiàn)

第 10章　自然語(yǔ)言處理

01　語(yǔ)言的特征表示

02　機(jī)器翻譯

03　問(wèn)答系統(tǒng)

04　對(duì)話系統(tǒng)

參考文獻(xiàn)

第 11章　推薦系統(tǒng)

01　推薦系統(tǒng)基礎(chǔ)

02　推薦系統(tǒng)設(shè)計(jì)與算法

03　推薦系統(tǒng)評(píng)估

參考文獻(xiàn)

第 12章　計(jì)算廣告

01　點(diǎn)擊率預(yù)估

02　廣告召回

03　廣告投放策略

參考文獻(xiàn)

第 13章　視頻處理

01　視頻編解碼

02　視頻監(jiān)控

03　圖像質(zhì)量評(píng)價(jià)

04　超分辨率重建

05　網(wǎng)絡(luò)通信

參考文獻(xiàn)

第 14章　計(jì)算機(jī)聽覺(jué)

01　音頻信號(hào)的特征提取

02　自動(dòng)語(yǔ)音識(shí)別

03　音頻事件識(shí)別

參考文獻(xiàn)

第 15章　自動(dòng)駕駛

01　自動(dòng)駕駛的基本概念

02　端到端的自動(dòng)駕駛模型

03　自動(dòng)駕駛的決策系統(tǒng)

參考文獻(xiàn)

作者隨筆