人工智慧領域正在以超乎人們想像的速度發展，本書趕在人工智慧徹底佔領世界之前完成編寫，實屬萬幸。書中收錄了超過100道機器學習演算法工程師的面試題目和解答，其中大部分源於Hulu演算法研究崗位的真實場景。
 
本書從日常工作、生活中各種有趣的現象出發，不僅囊括了機器學習的基本知識，而且還包含了成為出眾演算法工程師的相關技能，更重要的是凝聚了筆者對人工智慧領域的一顆熱忱之心，旨在培養讀者發現問題、解決問題、擴展問題的能力，建立對機器學習的熱愛，共繪人工智慧世界的宏偉藍圖。
 
“不積跬步，無以至千里”，本書將從特徵工程、模型評估、降維等經典機器學習領域出發，構建一個演算法工程師必-備的知識體系；見神經網路、強化學習、生成對抗網路等新科研進展之微，知深度學習領域勝敗興衰之著；“博觀而約取，厚積而薄發”，在末一章為讀者展示生活中各種引領時代的人工智慧應用。

諸葛越：現任Hulu公司全球研發副總裁，中國研發中心總經理。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，微軟北京研發中心項目總經理，雅虎美國高級軟體架構師。諸葛越獲美國斯坦福大學的 電腦碩士與博士，紐約州立大學石溪分校的應用數學碩士，曾就讀於清華大學電腦科學與技術系。諸葛越的研究結果獲多項專利，2005年獲美國電腦學會資料庫專業委員會十年最佳論文獎。

葫蘆娃：15位Hulu北京創新實驗室的頂尖人才。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，建立了一套定製化的機AI平台，改變著推薦引擎、視頻編解碼、內容理解、廣告投放等多項與用戶息息相關的在線業務技術。

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

第1節 特徵歸一化

第2節 類別型特徵

第3節　高維組合特徵的處理

第4節　組合特徵

第5節　文本表示模型

第6節　Word2Vec

第7節　圖像資料不足時的處理方法

第2章 模型評估

第1節 評估指標的局限性

第2節 ROC 曲線

第3節　余弦距離的應用

第4節　A/B 測試的陷阱

第5節　模型評估的方法

第6節　超參數調優

第7節　過擬合與欠擬合

第3章　經典演算法

第1節 支持向量機

第2節 邏輯回歸

第3節　決策樹

第4章　降維

第1節 PCA 最大方差理論

第2節 PCA 最小平方誤差理論

第3節　線性判別分析

第4節　線性判別分析與主成分分析

第5章　非監督學習

第1節 K 均值聚類

第2節 高斯混合模型

第3節　自組織映射神經網路

第4節　非監督學習演算法的評估

第6章　概率圖模型

第1節 概率圖模型的聯合概率分佈

第2節 概率圖表示

第3節　生成式模型與判別式模型

第4節　瑪律可夫模型

第5節　主題模型

第7章　優化演算法

第1節 有監督學習的損失函數

第2節 機器學習中的優化問題

第3節　經典優化演算法

第4節　梯度驗證

第5節　隨機梯度下降法

第6節　隨機梯度下降法的加速

第7節　L1 正則化與稀疏性

第8章　採樣

第1節 採樣的作用

第2節 均勻分佈亂數

第3節　常見的採樣方法

第4節　高斯分佈的採樣

第5節　瑪律科夫蒙特卡洛採樣法

第6節　貝葉斯網路的採樣

第7節　不均衡樣本集的重採樣

第9章　前向神經網路

第1節 多層感知機與布耳函數

第2節 深度神經網路中的啟動函數

第3節　多層感知機的反向傳播演算法

第4節　神經網路訓練技巧

第5節　深度卷積神經網路

第6節　深度殘差網路

第10章 迴圈神經網路

第1節 迴圈神經網路和卷積神經網路

第2節 迴圈神經網路的梯度消失問題

第3節　迴圈神經網路中的啟動函數

第4節　長短期記憶網路

第5節　Seq2Seq 模型

第6節　注意力機制

第11章 強化學習

第1節 強化學習基礎

第2節 視頻遊戲裡的強化學習

第3節　策略梯度

第4節　探索與利用

第12章 集成學習

第1節 集成學習的種類

第2節 集成學習的步驟和例子

第3節　基分類器

第4節　偏差與方差

第5節　梯度提升決策樹的基本原理

第6節　XGBoost 與GBDT 的聯繫和區別

第13章 生成式對抗網路

第1節 初識GANs 的秘密

第2節 WGAN：抓住低維的幽靈

第3節　DCGAN：當GANs 遇上卷積

第4節　ALI：包攬推斷業務

第5節　IRGAN：生成離散樣本

第6節　SeqGAN：生成文本序列

第14章 人工智慧的熱門應用

第1節 計算廣告

第2節 遊戲中的人工智慧

第3節　AI 在自動駕駛中的應用

第4節　機器翻譯

第5節　人機交互中的智慧計算

後記

作者隨筆

參考文獻