深度学习面试书:涵盖人工智能众多关键主题的数百个完整解决的求职面试问题。
个人感言:
“持续学习,否则就有可能被淘汰。”
在这本第一卷中,我特意呈现了一个连贯的、累积的、内容特定的数据科学领域核心课程,涵盖了信息论、贝叶斯统计、算法微分、逻辑回归、感知器和卷积神经网络等主题。我希望你会发现这本书很有启发性。
我相信,本书主要针对的研究生和求职者在阅读时将受益匪浅;然而,我也希望即使是最有经验的研究人员也会觉得本书有趣。
我希望向学生和其他读者征求修正、批评和建议。尽管我在多年写作和修订过程中尽量消除错误,但难免还有一些遗漏之处。特别是,一些排版上的小问题肯定会出现在最终版本中。 希望你能原谅这些错误。
联系 Amir:
联系 Shlomo:
本书可通过亚马逊及其他标准发行渠道购买。请访问出版社的网页订购或获取出版的更多详细信息。书籍手稿可以在下面找到——仅供个人使用,禁止销售。
下载
这里可以下载 PDF:
https://arxiv.org/abs/2201.00650
引用
@misc{kashani2021deep,
title={Deep Learning Interviews: Hundreds of fully solved job interview questions from a wide range of key topics in AI},
author={Shlomo Kashani and Amir Ivry},
year={2021},
eprint={2201.00650},
note = {ISBN 13: 978-1-9162435-4-5 },
url = {https://www.interviews.ai},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
严禁出售或用于商业用途。 本电子资源的用户权利在下方的许可协议中有所规定。 你只能将此电子资源用于私人学习。 严格禁止对其内容进行出售或转售。
本书(www.interviews.ai)为你而作:一名具备定量背景的有志数据科学家,正在面对一个竞争日益激烈的面试过程。对于你们中的大多数人来说,面试过程是你与梦想工作之间的最大障碍。 尽管你有能力、背景和动力在目标职位上出类拔萃,但你可能还需要一些指导来帮助你迈出第一步。
关于本书
《深度学习面试》的第二版(亚马逊软封面版为黑白印刷)包含了数百个全解问题,涵盖了人工智能的众多关键主题。它既可以帮助你复习面试或考试的特定主题,也可以为机器学习硕士/博士学生及等待面试的人提供一个井然有序的领域概览。书中提出的问题足够艰难,可以让你磨练技能,并显著提高你的能力——但这些问题是以引人深思的问题和引人入胜的故事为框架的。
这正是这本书对学生和求职者如此特别有价值的原因:它使他们能够自信而迅速地谈论任何相关主题,清晰准确地回答技术问题,并充分理解面试问题和答案的目的和意义。这些都是在进入面试房间时强大且不可或缺的优势。
本书的内容包括与深度学习职位面试和研究生水平考试相关的众多主题的详细目录。这使得该作品处于科学界日益增长的趋势的前沿,即教授一套核心的实用数学和计算技能。广泛认为,每个计算机科学家的培训都必须包括机器学习的基本定理,而人工智能几乎出现在每所大学的课程中。本卷被设计为此类项目毕业生的优秀参考书。
- 本书涵盖近400页
- 数百个全解问题
- 来自深度学习多个领域的问题
- 清晰的图表和插图
- 全面的索引
- 问题的逐步解决方案
- 不仅提供答案,还展示了解决过程
- 不仅展示了解决过程,还在适当情况下给出推理
本书是为你而作:一名具备定量背景的有志数据科学家,正在面对一个竞争日益激烈的面试过程。对于你们中的大多数人来说,面试过程是你与梦想工作之间的最大障碍。尽管你有能力、背景和动力在目标职位上出类拔萃,但你可能还需要一些指导来帮助你迈出第一步。 你的好奇心将推动你通过本书的问题集、公式和说明,并随着你的进步,你将加深对深度学习的理解。微积分、逻辑回归、熵和深度学习理论之间有着复杂的联系;通过本书的学习,这些联系将变得直观。
核心主题领域(第一卷):
本书的第一卷重点关注统计视角,并将背景基础知识与核心理念和实用知识相结合。专门章节包括:
- 信息论
- 微积分与算法微分
- 贝叶斯深度学习与概率编程
- 逻辑回归
- 集成学习
- 特征提取
- 深度学习:扩展章节(100+页)
这些章节伴随着对深度学习主题的深入讨论,并附有 PyTorch、Python 和 C++ 的代码示例。
免责声明
- "PyTorch" 是 Facebook 的商标。
许可
- 版权所有 © 《深度学习面试》作者 Shlomo Kashani 《深度学习面试》作者 Shlomo Kashani:www.interviews.ai:entropy@interviews.ai
勘误表(可能未及时更新)
不包括小的修正。
感谢所有指出这些问题的读者。 2020年3月12日版本的勘误表,已反映在在线版本中:
- 由于缺乏清晰性,PRB-267 -CH.PRB- 8.91号问题已被删除
- 由于缺乏清晰性,PRB-115 - CH.PRB- 5.16号问题已被删除
2020年5月12日版本的勘误表,已反映在在线版本中:
- 第230页,PRB-178号问题 将“startified scross validation”改为“stratified cross validation.”
- 第231页,PRB-181号问题 在 data-folds 后添加了一个 ” .“
- 第231页,PRB-191号问题 将“an”改为“a”
- 第234页,PRB-192号问题 “in”重复两次
- 第236页,PRB-194号问题 将“approached”改为“approaches”,“arr”改为“arr001”
- 第247页,PRB-210号问题 将“an”改为“a”
- 第258页,PRB-227号问题 将“A confusion metrics”改为“A confusion matrix”
- 第271页,PRB-240号问题 将“MaxPool2D(4,4,)”改为“MaxPool2D(4,4)”
- 第273页,PRB-243号问题 将“identity”改为“identify”
- 第281页,PRB-254号问题 将“suggest”改为“suggests”
- 第283页,PRB-256号问题 “happening”拼写错误
- 第286页,将“L1, L2”