interviews.ai
1.0.0
Descargar PDF • Acerca de • Fe de erratas •
"Sigue aprendiendo o corre el riesgo de volverte irrelevante".
En este primer volumen, presento deliberadamente un plan de estudios básico coherente, acumulativo y de contenido específico del campo de la ciencia de datos, que incluye temas como teoría de la información, estadística bayesiana, diferenciación algorítmica, regresión logística, perceptrones y redes neuronales convolucionales. Espero que este libro le resulte estimulante.
Creo que ustedes, los estudiantes de posgrado y quienes buscan empleo, a quienes está dirigido principalmente el libro, se beneficiarán al leerlo; sin embargo, tengo la esperanza de que incluso los investigadores más experimentados lo encuentren fascinante también.
Contacto Amir:
https://www.linkedin.com/in/amirivry/
https://scholar.google.com.mx/citations?user=rQCVwksAAAAJ&hl=iw
Contacte a Shlomo:
https://www.linkedin.com/in/quantscientist/
https://scholar.google.com.mx/citations?user=bM0LGgcAAAAJ&hl
Este libro está disponible para su compra a través de Amazon y otros canales de distribución estándar. Consulte la página web de la editorial para solicitar el libro u obtener más detalles sobre su publicación. A continuación se puede encontrar un manuscrito del libro; está disponible únicamente para uso personal y no debe venderse.
https://amazon.com/author/quantscientist
https://arxiv.org/abs/2201.00650
@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}
}LA VENTA O EL USO COMERCIAL ESTÁ ESTRICTAMENTE PROHIBIDO . Los derechos de usuario de este recurso electrónico se especifican en un acuerdo de licencia a continuación. Sólo puede utilizar este recurso electrónico para fines de estudio privado . Cualquier venta/reventa de su contenido está estrictamente prohibida.
Este libro (www.interviews.ai) fue escrito para usted: un aspirante a científico de datos con experiencia cuantitativa, que se enfrenta al desafío del proceso de entrevista en un campo cada vez más competitivo. Para la mayoría de ustedes, el proceso de entrevista es el obstáculo más importante entre usted y el trabajo de sus sueños. Aunque tenga la capacidad, la experiencia y la motivación para sobresalir en su posición objetivo, es posible que necesite orientación sobre cómo poner un pie en la puerta.
La segunda edición de Deep Learning Interviews (la tapa blanda de Amazon está impresa en blanco y negro) alberga cientos de problemas completamente resueltos, de una amplia gama de temas clave en IA. Está diseñado para ensayar entrevistas o examinar temas específicos y proporcionar aprendizaje automático M.Sc./Ph.D. estudiantes y aquellos que esperan una entrevista una descripción general bien organizada del campo. Los problemas que plantea son lo suficientemente difíciles como para empezar a aprender y mejorar drásticamente sus habilidades, pero están enmarcados en preguntas que invitan a la reflexión e historias interesantes.
Eso es lo que hace que el volumen sea tan específicamente valioso para estudiantes y solicitantes de empleo: les brinda la capacidad de hablar con confianza y rapidez sobre cualquier tema relevante, responder preguntas técnicas de manera clara y correcta y comprender completamente el propósito y significado de las preguntas de la entrevista. y respuestas. Esas son ventajas poderosas e indispensables al entrar a la sala de entrevistas.
El contenido del libro es un gran inventario de numerosos temas relevantes para las entrevistas de trabajo de DL y los exámenes de nivel de posgrado. Esto coloca a este trabajo a la vanguardia de la creciente tendencia en la ciencia de enseñar un conjunto básico de habilidades matemáticas y computacionales prácticas. Está ampliamente aceptado que la formación de todo informático debe incluir los teoremas fundamentales del aprendizaje automático, y la IA aparece en el plan de estudios de casi todas las universidades. Este volumen está diseñado como una excelente referencia para los graduados de dichos programas.
El libro abarca casi 400 páginas.
Cientos de problemas completamente resueltos
Problemas de numerosas áreas del aprendizaje profundo
Diagramas e ilustraciones claros.
Un índice completo
Soluciones paso a paso a los problemas.
No solo las respuestas dadas, sino el trabajo mostrado.
No solo el trabajo mostrado, sino el razonamiento dado cuando corresponda.
Este libro fue escrito para usted: un aspirante a científico de datos con experiencia cuantitativa, que se enfrenta al desafío del proceso de entrevista en un campo cada vez más competitivo. Para la mayoría de ustedes, el proceso de entrevista es el obstáculo más importante entre usted y el trabajo de sus sueños. Aunque tenga la capacidad, la experiencia y la motivación para sobresalir en su posición objetivo, es posible que necesite orientación sobre cómo poner un pie en la puerta. Su curiosidad lo guiará a través de los conjuntos de problemas, fórmulas e instrucciones del libro y, a medida que avance, profundizará su comprensión del aprendizaje profundo. Existen conexiones intrincadas entre el cálculo, la regresión logística, la entropía y la teoría del aprendizaje profundo; Trabaja a través del libro y esas conexiones se sentirán intuitivas.
El VOLUMEN I del libro se centra en perspectivas estadísticas y combina fundamentos básicos con ideas centrales y conocimientos prácticos. Hay capítulos dedicados a:
Teoría de la información
Cálculo y diferenciación algorítmica
Aprendizaje profundo bayesiano y programación probabilística
Regresión logística
Aprendizaje conjunto
Extracción de características
Aprendizaje profundo: capítulo ampliado (más de 100 páginas)
Estos capítulos aparecen junto con numerosos tratamientos en profundidad de temas de aprendizaje profundo con ejemplos de código en PyTorch, Python y C++.
"PyTorch" es una marca registrada de Facebook.
Copyright © Shlomo Kashani, autor del libro "Entrevistas de aprendizaje profundo" Shlomo Kashani, autor del libro Entrevistas de aprendizaje profundo www.interviews.ai: [email protected]
Gracias a todos los lectores que señalaron estos problemas. Fe de erratas de la versión 12/03/2020 impresa y reflejada en la versión online:
La pregunta número PRB-267 -CH.PRB- 8.91 fue eliminada por falta de claridad
La pregunta número PRB-115 - CH.PRB- 5.16 fue eliminada por falta de claridad
Fe de erratas de la versión 12/05/2020 impresa y reflejada en la versión online:
Página 230, la pregunta número PRB-178 modifica "validación cruzada iniciada" PARA "validación cruzada estratificada".
Página 231, la pregunta número PRB-181 agregó un "." después de los pliegues de datos
Página 231, Pregunta número PRB-191 modificar “an” por “a”
Página 234, Pregunta número PRB-192 “en” repetida dos veces
Página 236, Pregunta número PRB-194 modificar “approached” por “approaches”, “arr” por “arr001”
Página 247, Pregunta número PRB-210 modificar “an” por “a”
Página 258, Pregunta número PRB-227, modificar “Una métrica de confusión” por “Una matriz de confusión”
Página 271, Pregunta número PRB-240, modifique “MaxPool2D(4,4,)” a “MaxPool2D(4,4)”
Página 273, Pregunta número PRB-243 modificar “identidad” por “identificar”
Página 281, Pregunta número PRB-254 modificar “sugerir” por “sugiere”
Página 283, Pregunta número PRB-256 “happening” mal escrita
Pág. 286, “L1, L2” modificado a “Normas”
Página 288, Pregunta número SOL-184 modificar “el completo” por “es el completo”
Página 298, Pregunta número SOL-208 modificar “ou1” por “out”
Página 319, pregunta número SOL-240, modifique "antorcha.Tamaño ([1, 32, 222, 222])". a "tamaño.antorcha([1, 32, 222, 222])."
Página 283, la pregunta número PRB-256 “happening” estaba mal escrita
Fe de erratas de la versión 12/07/2020 impresa y reflejada en la versión online:
Página 187, pregunta número PRB-140 faltan dos gráficos (6.3, 6.4) que no se representaron correctamente en la versión impresa
6.3
6.4 Fe de erratas de la versión 21/09/2020 impresa y reflejada en la versión en línea:
Página 34, número de solución SOL-19 , 0,21886 debe ser 0,21305 y 0,21886 ± 1,95 × 0,21886 debe ser 0,21305 ± 1,95 × 0,21886
Página 36-7, Número de solución SOL-21 , 4,8792/0,0258 = 189,116 y no 57,3 y pi(33) = 0,01748 y no pi(33) = 0,211868 .
Página 49, PRB-47 "¿Cuál es la probabilidad de que el experto sea un mono ?" debería ser "¿Cuál es la probabilidad de que el experto sea un humano ?"
Fe de erratas de la versión 22/09/2020 impresa y reflejada en la versión online:
Página 73, la solución número SOL-56 debería decir "El hessiano se genera diferenciando "
Página 57, el problema número PRB-65 debería decir " dos neuronas"
Fe de erratas de la versión 24/09/2020 impresa y reflejada en la versión online:
Página 78, solución número SOL-64 , OnOffLayer está desactivado solo si al menos 150 de 200 neuronas están apagadas. Por lo tanto, esto se puede representar como una distribución binomial y la probabilidad de que la capa esté apagada es:
