诸葛越：现任Hulu公司全球研发副总裁，中国研发中心总经理。曾任Landscape Mobile公司联合创始人兼CEO，前雅虎北京研发中心产品总监，微软北京研发中心项目总经理。诸葛越获美国斯坦福大学计算机硕士与博士学位、纽约州立大学石溪分校应用数学硕士学位，曾就读于清华大学，2005年获美国计算机学会数据库专业委员会十年最佳论文奖。诸葛越是畅销书《魔鬼老大，天使老二》作者，《百面机器学习》主编。
江云胜：北京大学应用数学博士，现任葫芦资深算法研究员。毕业后加入Hulu北京研发中心的Content Intelligence组，负责内容理解相关的研究工作。《百面机器学习》主要作者之一。
葫芦娃：近30位Hulu北京创新实验室的顶尖人才，毕业于清华、北大、浙大、上交、北邮、中科院等高校。他们利用擅长的深度学习、机器学习等领域知识和算法模型，建立了一套定制化的AI平台，改变着推荐引擎、视频编解码、内容理解、广告投放等多项与用户息息相关的在线业务技术。

深度学习 机器学习 人工智能 面试宝典 算法 模型 应用 工程师

目录
前言
第 一部分 算法和模型
第 1章　卷积神经网络
01　卷积基础知识
02　卷积的变种
03　卷积神经网络的整体结构
04　卷积神经网络的基础模块
参考文献
第 2章　循环神经网络
01　循环神经网络与序列建模
02　循环神经网络中的Dropout
03　循环神经网络中的长期依赖问题
04　长短期记忆网络
05　Seq2Seq 架构
参考文献
第3章　图神经网络
01　图神经网络的基本结构
02　图神经网络在推荐系统中的应用
03　图神经网络的推理能力
参考文献
第4章　生成模型
01　深度信念网络与深度波尔兹曼机
02　变分自编码器基础知识
03　变分自编码器的改进
04　生成式矩匹配网络与深度自回归网络
参考文献
第5章　生成式对抗网络
01　生成式对抗网络的基本原理
02　生成式对抗网络的改进
03　生成式对抗网络的效果评估
04　生成式对抗网络的应用
参考文献
第6章　强化学习
01　强化学习基础知识
02　强化学习算法
03　深度强化学习
04　强化学习的应用
参考文献
第7章　元学习
01　元学习的主要概念
02　元学习的主要方法
03　元学习的数据集准备
04　元学习的两个简单模型
05　基于度量学习的元学习模型
06　基于神经图灵机的元学习模型
07　基于学习优化器的元学习模型
08　基于学习初始点的元学习模型
参考文献
第8章　自动化机器学习
01　自动化机器学习的基本概念
02　模型和超参数自动化调优
03　神经网络架构搜索
参考文献
第二部分 应用
第9章　计算机视觉
01　物体检测
02　图像分割
03　光学字符识别
04　图像标注
05　人体姿态识别
参考文献
第 10章　自然语言处理
01　语言的特征表示
02　机器翻译
03　问答系统
04　对话系统
参考文献
第 11章　推荐系统
01　推荐系统基础
02　推荐系统设计与算法
03　推荐系统评估
参考文献
第 12章　计算广告
01　点击率预估
02　广告召回
03　广告投放策略
参考文献
第 13章　视频处理
01　视频编解码
02　视频监控
03　图像质量评价
04　超分辨率重建
05　网络通信
参考文献
第 14章　计算机听觉
01　音频信号的特征提取
02　自动语音识别
03　音频事件识别
参考文献
第 15章　自动驾驶
01　自动驾驶的基本概念
02　端到端的自动驾驶模型
03　自动驾驶的决策系统
参考文献
作者随笔

不可不读的深度学习面试宝典《百面机器学习》姊妹篇。
Hulu诚意出品，全面收录135道算法面试题。
一线大厂算法工程师合力创作，直击面试要点。
从算法与模型到多领域应用，全方位解读深度学习。
诚意推荐
吴军 / 《浪潮之巅》《数学之美》作者
华先胜 / 阿里巴巴达摩院人工智能中心主任，IEEE Fellow
李沐 / AWS首席科学家，《动手学深度学习》作者
孙茂松 / 清华大学人工智能研究院常务副院长
本书适合相关专业的在校学生检查和加强对所学知识点的掌握程度，求职者快速复习和补充相关的深度学习知识，以及算法工程师作为工具书随时参阅。此外，非相关专业、但对人工智能或深度学习感兴趣的研究人员，也可以通过本书大致了解一些热门的人工智能应用、深度学习模型背后的核心算法及其思想。

深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由Hulu的近30位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，第一部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在一些领域的应用，包括计算机视觉、自然语言处理、推荐系统、计算广告、视频处理、计算机听觉、自动驾驶等。本书仍然采用知识点问答的形式来组织内容，每个问题都给出了难度级和相关知识点，以督促读者进行自我检查和主动思考。书中每个章节精心筛选了对应领域的不同方面、不同层次上的问题，相互搭配，展示深度学习的“百面”精彩，让不同读者都能找到合适的内容。
本书适合相关专业的在校学生检查和加强对所学知识点的掌握程度，求职者快速复习和补充相关的深度学习知识，以及算法工程师作为工具书随时参阅。此外，非相关专业、但对人工智能或深度学习感兴趣的研究人员，也可以通过本书大致了解一些热门的人工智能应用、深度学习模型背后的核心算法及其思想。