機器學習工程師面試全破解: 嚴選124道AI演算法決勝題完整剖析 /葫蘆娃; 諸葛越/ 主編 誠品eslite
找相似
商品已停售

機器學習工程師面試全破解: 嚴選124道AI演算法決勝題完整剖析 /葫蘆娃; 諸葛越/ 主編 誠品eslite

蝦皮商城-指定商店
歷史低價
近一年最省
近一年最省 $65
蝦皮商城-指定商店

蝦皮商城-指定商店

1. 透過LINE購物進入蝦皮後禁止再透過蝦皮直播下單，避免訂單認列異常 2. 請務必「清空」蝦皮購物車，再透過LINE購物連結至蝦皮商店進行購買 ；先把商品加入購物車，再從LINE購物連結至蝦皮結帳，將無法獲得點數回饋。 3. 請避免連續下單，若您完成交易後，想下第二張訂單，請重新從LINE購物連結至蝦皮商店進行購買 4. 電子票券及繳費服務類別：回饋０％。 5. 請留意，蝦皮超市內的商品（蝦皮超市、蝦皮直送美妝、蝦皮免運直送）不隸屬於蝦皮商城，點數回饋請依照「蝦皮超市」商店頁為主。 6. 蝦皮商城之訂單適用於部分點數紅包，規範請依該紅包頁說明為主。 7. 點數回饋將依照蝦皮提供扣除折價券、運費與蝦幣後之最終金額進行計算。 8. 同一商品品項(即便不同尺寸規格)，皆會計入同一筆返點上限進行計算 9. 用戶需於同一瀏覽器進行交易（若自動跳轉 APP，請在 APP交易）。 10. 若使用不同物流或付款方式，將拆分成不同筆訂單編號發送通知。 11. 若使用折價券折抵，可能會有攤提折抵導致訂單金額些微落差 12. 蝦皮會將LINE的導購跳轉紀錄與蝦皮的會員ID進行綁定，若後續七天內未透過其他媒體來源導入蝦皮官網，則七天內於該蝦皮帳號下訂的首筆訂單會被蝦皮認列為該LINE用戶導購跳轉時所成立之訂單。 13. 若同一用戶使用一個以上蝦皮帳號透過LINE購物進行導購，將可能導致無法收到導購通知，亦可能無法收到點數，再請留意。 [注意事項] 1.如導購途中用戶由網頁版(電腦版/手機版網頁)切換為 App 會造成追蹤中斷而無法進行 LINE Points 回饋 2.若購買過程中關閉蝦皮APP，則需重新透過LINE購物前往蝦皮商城，否則無法進行LINE POINTS 回饋。 / 3.如用戶先前往蝦皮商城將商品加入購物車，後續透過LINE購物前往至蝦皮商城將購物車結清，此方案將不列入 LINE Points 回饋 4.若因系統異常無法追蹤訂單，致使消費者無接收到點數回饋，蝦皮保有更改條款與法律追訴之權利 5. LINE購物商品價格若與蝦皮賣場實際價格有異，以蝦皮賣場價格為準

商品描述

♕ 不可不讀的機器學習面試寶典 ♕ 書中收錄了124道機器學習演算法工程師的面試題目和解答，其中絕大部分來自國際知名影音串流平台Hulu（由迪士尼所投資，總部設於美國加州）演算法研究部門的真實案例。 媒體推薦 「由諸葛越博士所主編的此書為Hulu公司裡，十幾位每天做著頂尖機器學習工作的工程師科學家所合著，是原創的、實際的、直接可用的內容。本書致力於普及人工智慧和機器學習，幫助每位軟體工程師成為自信的AI實踐者，每位資料科學家成為出眾的AI研究者。」 ──沈向洋 / 微軟全球執行副總裁，美國工程院院士 「計算機理論和演算法常常讓人感到孤高冷傲，因為它們和具體的應用之間缺少了一些橋樑。諸葛越博士的這本書，教授大家如何搭建這些橋樑。它可以讓計算機的從業者對理論的認識突飛猛進，也可以讓非計算機專業的工程人員瞭解計算機科學這個強大的工具。」 ──吳軍 /《浪潮之巔》《數學之美》作者 「在越來越多的機器學習專業書籍中，Hulu工程師們的這本專著讓我眼前一亮。本書沒有拾人牙慧，從學術角度來整理機器學習的理論和演算法體系；而是從一線工程師的視角出發，在職業方向、面試重點、模型實戰和應用案例等諸方面有精闢的介紹。對每個有志進入此領域的工程師來說，本書為你鋪設了一條快速通往目標的道路。另外，本書為多位工業界實戰專家合作完成，內容卻相當連貫系統，實在難能可貴。」 ──劉鵬 /《計算廣告》作者，科大訊飛副總裁 編輯推薦 微軟全球執行副總裁、美國工程院院士沈向洋、《浪潮之巔》《數學之美》作者吳軍、《計算廣告》作者、科大訊飛副總裁劉鵬，聯袂推薦！ 未來的幾年，是人工智慧技術全面普及化的時期，也是演算法工程師大量短缺的時期。本書旨在幫助對人工智慧和機器學習有興趣的朋友們，更加深入瞭解此領域的基本技能；幫助每個軟體工程師成為自信的AI實踐者；幫助每個資料科學家成為出眾的AI研究者。對每個有志進入此領域的工程師來說，本書會為你鋪設一條快速通往目標的道路！ 【詳細資料】 誠品26碼/2681844703005 ISBN13/9789864344611 ISBN10/9864344617 EAN/9789864344611 頁數/432 尺寸/23X17CM 級別/無 裝訂/平裝 語言/中文/繁體 重量/625g ■作者簡介葫蘆娃; 諸葛越/ 主編 葫蘆娃 諸葛越 現任Hulu公司全球研發副總裁，中國大陸研發中心總經理。 曾任Landscape Mobile公司聯合創始人兼CEO，前雅虎北京全球研發中心產品總監，微軟北京研發中心專案總經理，雅虎美國軟體架構師。 諸葛越獲美國史丹佛大學的計算機碩士與博士，紐約州立大學石溪分校的應用數學碩士，曾就讀於清華大學計算機科學與技術系。 諸葛越的研究結果獲多項專利，2005年榮獲美國計算機學會資料庫專業委員會十年最佳論文獎。 葫蘆娃 15位Hulu北京創新實驗室人才。 他們利用擅長的機器學習、深度學習等領域知識和演算法模型，建立一套自訂化的機器AI平台，改變著推薦引擎、圖像 / 影片編解碼、內容理解、廣告投放等多項與客戶息息相關的線上業務技術。 推薦序 前言 機器學習演算法工程師的自我修養 第1章 特徵工程 Feature Engineering 01 特徵正規化 02 類別型特徵 03 高維組合特徵的處理 04 組合特徵 05 文字表示模型 06 Word2Vec 07 圖像資料不足時的處理方法 第2章 模型評估 Evaluate Model Performance 01 評估指標的局限性 02 ROC曲線 03 餘弦距離的應用 04 A/B測試的陷阱 05 模型評估的方法 06 超參數調整與最佳化 07 過度擬合與擬合不足 第3章 經典演算法 Classical Algorithm 01 支援向量機 02 邏輯迴歸 03 決策樹 第4章 降維 Dimensionality Reduction 01 PCA最大變異數理論 02 PCA最小均方誤差理論 03 線性判別分析 04 線性判別分析與主成分分析 第5章 非監督學習 Unsupervised Learning 01 K平均群集 02 高斯混合模型 03 自組織對映神經網路 04 群集演算法的評估 第6章 機率圖模型 Probabilistic Graphical Model 01 機率圖模型的聯合機率分布 02 機率圖表示 03 生成式模型與判別式模型 04 馬可夫模型 05 主題模型 第7章 最佳化演算法 Optimization Algorithms 01 監督式學習的損失函數 02 機器學習中的最佳化問題 03 經典最佳化演算法 04 梯度驗證 05 隨機梯度下降法 06 隨機梯度下降法的加速 07 L1正則化與稀疏性 第8章 取樣 Sampling 01 取樣的作用 02 均勻分布亂數 03 常見的取樣方法 04 常態分布的取樣 05 馬可夫鏈蒙地卡羅取樣法 06 貝氏網路的取樣 07 不均衡樣本集的重取樣 第9章 前饋神經網路 Feedforward Neural Network 01 多層感知器與布林函數 02 深度神經網路中的啟動函數 03 多層感知器的反向傳播演算法 04 神經網路訓練技巧 05 深度卷積神經網路 06 深度殘差網路 第10章 遞歸神經網路 Recurrent Neutral Network 01 遞歸神經網路和卷積神經網路 02 遞歸神經網路的梯度消失問題 03 遞歸神經網路的啟動函數 04 長短期記憶網路 05 Seq2Seq模型 06 注意力機制 第11章 強化學習 Reinforcement Learning 01 強化學習基礎 02 電玩遊戲裡的強化學習 03 策略梯度 04 探索與利用 第12章 整合學習 Integrated Learning 01 整合學習的種類 02 整合學習的步驟和例子 03 基分類器 04 偏差與變異數 05 梯度提升決策樹的基本原理 06 XGBoost與GBDT的關聯和區別 第13章 生成式對抗網路 Generative Adversarial Network 01 初識GANs 的秘密 02 WGAN：抓住低維的幽靈 03 DCGAN：當GANs遇上卷積 04 ALI：包攬推論業務

加入購物車

設定到價通知

商品已停售