entrevistas.ai
1.0.0
Baixar PDF • Sobre • Errata •
"Continue aprendendo ou corre o risco de se tornar irrelevante."
Neste primeiro volume, apresento propositalmente um currículo central coerente, cumulativo e com conteúdo específico do campo da ciência de dados, incluindo tópicos como teoria da informação, estatística bayesiana, diferenciação algorítmica, regressão logística, perceptrons e redes neurais convolucionais. Espero que você ache este livro estimulante.
Acredito que vocês, estudantes de pós-graduação e candidatos a emprego, aos quais o livro se destina principalmente, se beneficiarão com sua leitura; no entanto, espero que mesmo os investigadores mais experientes também o considerem fascinante.
Entre em contato com Amir:
https://www.linkedin.com/in/amirivry/
https://scholar.google.com.mx/citations?user=rQCVwksAAAAJ&hl=iw
Entre em contato com Shlomo:
https://www.linkedin.com/in/quantscientist/
https://scholar.google.com.mx/citations?user=bM0LGgcAAAAJ&hl
Este livro está disponível para compra na Amazon e em outros canais de distribuição padrão. Consulte a página da editora para encomendar o livro ou obter mais detalhes sobre sua publicação. Um manuscrito do livro pode ser encontrado abaixo – ele foi disponibilizado apenas para uso pessoal e não deve ser vendido.
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}
}A VENDA OU O USO COMERCIAL É ESTRITAMENTE PROIBIDO . Os direitos de usuário deste recurso eletrônico estão especificados no contrato de licença abaixo. Você só pode usar este recurso eletrônico para fins de estudo privado . Qualquer venda/revenda de seu conteúdo é estritamente proibida.
Este livro (www.interviews.ai) foi escrito para você: um aspirante a cientista de dados com formação quantitativa, enfrentando o desafio do processo de entrevista em um campo cada vez mais competitivo. Para a maioria de vocês, o processo de entrevista é o obstáculo mais significativo entre você e o emprego dos sonhos. Mesmo que você tenha a habilidade, o histórico e a motivação para se destacar na posição desejada, você pode precisar de alguma orientação sobre como colocar o pé na porta.
A segunda edição de Deep Learning Interviews (A capa mole da Amazon é impressa em preto e branco) contém centenas de problemas totalmente resolvidos, de uma ampla variedade de tópicos importantes em IA. Ele foi projetado para ensaiar tópicos específicos de entrevistas ou exames e fornecer aprendizado de máquina para M.Sc./Ph.D. estudantes e aqueles que aguardam uma entrevista uma visão geral bem organizada do campo. Os problemas que ele apresenta são difíceis o suficiente para você começar a trabalhar e melhorar drasticamente suas habilidades - mas eles são enquadrados em perguntas instigantes e histórias envolventes.
É isso que torna o volume tão especificamente valioso para estudantes e candidatos a emprego: proporciona-lhes a capacidade de falar com confiança e rapidez sobre qualquer tópico relevante, de responder a perguntas técnicas de forma clara e correta e de compreender plenamente o propósito e o significado das perguntas da entrevista. e respostas. Essas são vantagens poderosas e indispensáveis ao entrar na sala de entrevista.
O conteúdo do livro é um grande inventário de vários tópicos relevantes para entrevistas de emprego EAD e exames de pós-graduação. Isso coloca este trabalho na vanguarda da tendência crescente na ciência de ensinar um conjunto básico de habilidades matemáticas e computacionais práticas. É amplamente aceito que o treinamento de todo cientista da computação deve incluir os teoremas fundamentais do ML, e a IA aparece no currículo de quase todas as universidades. Este volume foi concebido como uma excelente referência para graduados de tais programas.
O livro tem quase 400 páginas
Centenas de problemas totalmente resolvidos
Problemas de inúmeras áreas de aprendizagem profunda
Diagramas e ilustrações claros
Um índice abrangente
Soluções passo a passo para problemas
Não apenas as respostas dadas, mas o trabalho mostrado
Não apenas o trabalho mostrado, mas o raciocínio dado quando apropriado
Este livro foi escrito para você: um aspirante a cientista de dados com formação quantitativa, enfrentando o desafio do processo de entrevista em um campo cada vez mais competitivo. Para a maioria de vocês, o processo de entrevista é o obstáculo mais significativo entre você e o emprego dos sonhos. Mesmo que você tenha a habilidade, o histórico e a motivação para se destacar na posição desejada, você pode precisar de alguma orientação sobre como colocar o pé na porta. Sua curiosidade o guiará pelos conjuntos de problemas, fórmulas e instruções do livro e, à medida que você avança, aprofundará sua compreensão do aprendizado profundo. Existem conexões intrincadas entre cálculo, regressão logística, entropia e teoria da aprendizagem profunda; trabalhe no livro e essas conexões parecerão intuitivas.
O VOLUME-I do livro concentra-se em perspectivas estatísticas e combina fundamentos básicos com ideias centrais e conhecimento prático. Existem capítulos dedicados sobre:
Teoria da Informação
Cálculo e Diferenciação Algorítmica
Aprendizado profundo bayesiano e programação probabilística
Regressão Logística
Aprendizagem em conjunto
Extração de recursos
Deep Learning: capítulo expandido (mais de 100 páginas)
Esses capítulos aparecem junto com vários tratamentos aprofundados de tópicos de Deep Learning com exemplos de código em PyTorch, Python e C++.
"PyTorch" é uma marca registrada do Facebook.
Copyright © Shlomo Kashani, autor do livro "Deep Learning Interviews" Shlomo Kashani, autor do livro Deep Learning Interviews www.interviews.ai: [email protected]
Obrigado a todos os leitores que apontaram essas questões. Errata para a versão 12/03/2020 impressa e refletida na versão online:
A pergunta número PRB-267 -CH.PRB- 8.91 foi removida devido à falta de clareza
A pergunta número PRB-115 - CH.PRB- 5.16 foi removida por falta de clareza
Errata para a versão 12/05/2020 impressa e refletida na versão online:
Página 230, Pergunta número PRB-178 altera “validação cruzada inicializada” PARA “validação cruzada estratificada”.
Página 231, Pergunta número PRB-181 adicionou um “.“ após dobras de dados
Página 231, Pergunta número PRB-191 altera “an” para “a”
Página 234, Pergunta número PRB-192 “in” repetida duas vezes
Página 236, Pergunta número PRB-194 altera “abordado” para “abordagens“, “arr” para “arr001”
Página 247, Pergunta número PRB-210 altera “an” para “a”
Página 258, Pergunta número PRB-227 altera “Uma métrica de confusão” para “Uma matriz de confusão”
Página 271, Pergunta número PRB-240 altera “MaxPool2D(4,4,)” para “MaxPool2D(4,4)”
Página 273, Pergunta número PRB-243 altera “identidade” para “identificar”
Página 281, Pergunta número PRB-254 altera “sugerir” para “sugere”
Página 283, Pergunta número PRB-256 “acontecendo” com erro ortográfico
Página 286, “L1, L2” alterado para “Normas”
Página 288, Pergunta número SOL-184 altera “o completo” para “é o completo”
Página 298, Pergunta número SOL-208 altera “ou1” para “fora”
Página 319, Pergunta número SOL-240 altera “torch.Size ([1, 32, 222, 222]).” para “torch.size([1, 32, 222, 222]).“
Página 283, a pergunta número PRB-256 “acontecendo” foi escrita incorretamente
Errata para a versão 12/07/2020 impressa e refletida na versão online:
Página 187, Pergunta número PRB-140, dois gráficos ausentes (6.3, 6.4) que não foram renderizados corretamente na versão impressa
6.3
6.4 Errata para a versão 21/09/2020 impressa e refletida na versão online:
Página 34, número da solução SOL-19 , 0,21886 deve ser 0,21305 e 0,21886 ± 1,95 × 0,21886 deve ser 0,21305 ± 1,95 × 0,21886
Página 36-7, Número da solução SOL-21 ,4,8792/0,0258 = 189,116 e não 57,3 e pi(33) = 0,01748 e não pi(33) = 0,211868 .
Página 49, PRB-47 “Qual é a probabilidade de o especialista ser um macaco ” deveria ser “Qual é a probabilidade de o especialista ser um humano ”
Errata para a versão 22/09/2020 impressa e refletida na versão online:
Página 73, a solução número SOL-56 deve ser “O Hessian é gerado pela diferenciação ”
Página 57, o problema número PRB-65 deve ser “ dois neurônios”
Errata para a versão 24/09/2020 impressa e refletida na versão online:
Página 78, Solução número SOL-64 , o OnOffLayer estará desativado somente se pelo menos 150 dos 200 neurônios estiverem desativados. Portanto, isso pode ser representado como uma distribuição binomial e a probabilidade da camada estar desativada é:
