●前言
第一部分算法和模型
第1章 卷積神經網絡
01 卷積基礎知識
02 卷積的變種
03 卷積神經網絡的整體結構
04 卷積神經網絡的基礎模塊
參考文獻
第2章 循環神經網絡
01 循環神經網絡與序列建模
02 循環神經網絡中的Dropout
03 循環神經網絡中的長期依賴問題
04 長短期記憶網絡
05 Seq2Seq架構
參考文獻
第3章 圖神經網絡
01 圖神經網絡的基本結構
02 圖神經網絡在推薦繫統中的應用
03 圖神經網絡的推理能力
參考文獻
第4章 生成模型
01 深度信念網絡與深度波爾茲曼機
02 變分自編碼器基礎知識
03 變分自編碼器的改進
04 生成式矩匹配網絡與深度自回歸網絡
參考文獻
第5章 生成式對抗網絡
01 生成式對抗網絡的基本原理
02 生成式對抗網絡的改進
03 生成式對抗網絡的效果評估
04 生成式對抗網絡的應用
參考文獻
第6章 強化學習
01 強化學習基礎知識
02 強化學習算法
03 深度強化學習
04 強化學習的應用
參考文獻
第學習
學習的主要概念
學習的主要方法
學習的數據集準備
學習的兩個簡單模型
05 基於度量學習模型
06 基於神經圖學習模型
07 基於學習優學習模型
08 基於學習初學習模型
參考文獻
第8章 自動化機器學習
01 自動化機器學習的基本概念
02 模型和超參數自動化調優
03 神經網絡架構搜索
參考文獻
第二部分應用
第9章 計算機視覺
01 物體檢測
02 圖像分割
03 光學字符識別
04 圖像標注
05 人體姿態識別
參考文獻
第10章 自然語言處理
01 語言的特征表示
02 機器翻譯
03 問答繫統
04 對話繫統
參考文獻
第11章 推薦繫統
01 推薦繫統基礎
02 推薦繫統設計與算法
03 推薦繫統評估
參考文獻
第12章 計算廣告
01 點擊率預估
02 廣告召回
03 廣告投放策略
參考文獻
第13章 視頻處理
01 視頻編解碼
02 視頻監控
03 圖像質量評價
04 超分辨率重建
05 網絡通信
參考文獻
第14章 計算機聽覺
01 音頻信號的特征提取
02 自動語音識別
03 音頻事件識別
參考文獻
第15章 自動駕駛
01 自動駕駛的基本概念
02 端到端的自動駕駛模型
03 自動駕駛的決策繫統
參考文獻
作者隨筆
深度學習是目前學術界和工業界都非常火熱的話題,在許多行業有著成功應用。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,專門針對深度學習領域,是《百面機器學習:算法工程師帶你去面試》的延伸。全書內容大致分為兩個部分,第一部分介紹經典的深度學習算法和模型,包括卷積神經網絡、循環神經網絡、圖神經網絡、生成模型、生成式對抗網絡、強化學習、自動化機器學習等;第二部分介紹深度學習在一些領域的應用,包括計算機視覺、自然語言處理、推薦繫統、計算廣告、視頻處理、計算機聽覺、自動駕駛等。本書仍然采用知識點問答的形式來組織內容,每個問題都給出了難度級和相關知識點,以督促讀者進行自我檢查和主動思考。書中每個章節精心篩選了對應領域的不同方面、不同層次上的問題,相互搭配,展示深度學習的“百面”精彩,讓不同讀者都能找到合適的內容。本書適合相關專業的在校學生檢查和加強對所學知識點的掌握程度,求職者快速等