Скачать PDF • О программе • Исправления •
«Продолжайте учиться, иначе рискуете стать ненужным».
В этом первом томе я намеренно представляю последовательный, совокупный и ориентированный на содержание основной учебный план в области науки о данных, включая такие темы, как теория информации, байесовская статистика, алгоритмическая дифференциация, логистическая регрессия, перцептроны и сверточные нейронные сети. Я надеюсь, что эта книга вас вдохновит.
Я уверен, что вам, аспирантам и соискателям работы, для которых эта книга в первую очередь предназначена, будет полезно ее прочитать; однако я надеюсь, что даже самые опытные исследователи найдут это увлекательным.
Свяжитесь с Амиром:
https://www.linkedin.com/in/amirivry/
https://scholar.google.com.mx/citations?user=rQCVwksAAAAJ&hl=iw
Свяжитесь с Шломо:
https://www.linkedin.com/in/quantscientist/
https://scholar.google.com.mx/citations?user=bM0LGgcAAAAJ&hl
Эту книгу можно приобрести на Amazon и других стандартных каналах распространения. Посетите веб-страницу издателя, чтобы заказать книгу или получить дополнительную информацию о ее публикации. Рукопись книги можно найти ниже — она предоставлена только для личного использования и не подлежит продаже.
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} }
ПРОДАЖА ИЛИ КОММЕРЧЕСКОЕ ИСПОЛЬЗОВАНИЕ СТРОГО ЗАПРЕЩЕНО . Права пользователя данного электронного ресурса указаны в лицензионном соглашении ниже. Вы можете использовать этот электронный ресурс только в целях частного изучения . Любая продажа/перепродажа его контента строго запрещена.
Эта книга (www.interviews.ai) была написана для вас: начинающего специалиста по данным с опытом работы в области количественных исследований, которому предстоит пройти собеседование в условиях растущей конкуренции. Для большинства из вас процесс собеседования является самым серьезным препятствием на пути к работе мечты. Несмотря на то, что у вас есть способности, опыт и мотивация, чтобы преуспеть на целевой должности, вам могут понадобиться некоторые рекомендации о том, как вступить в дверь.
Второе издание «Интервью по глубокому обучению» (издание Amazon в мягкой обложке напечатано в черно-белом формате) содержит сотни полностью решенных задач по широкому кругу ключевых тем в области искусственного интеллекта. Он предназначен как для репетиции собеседований или экзаменов по конкретным темам, так и для обеспечения машинного обучения для получения степени магистра/доктора наук. студентам и тем, кто ожидает собеседования, хорошо организованный обзор области. Проблемы, которые он ставит, достаточно сложны, чтобы на них можно было потренироваться и значительно улучшить свои навыки, но они сформулированы в рамках вопросов, заставляющих задуматься, и увлекательных историй.
Вот что делает этот том особенно ценным для студентов и соискателей работы: он дает им возможность уверенно и быстро говорить на любую соответствующую тему, четко и правильно отвечать на технические вопросы, а также полностью понимать цель и значение вопросов на собеседовании. и ответы. Это мощные и незаменимые преимущества, которые нужно иметь при входе в комнату для собеседований.
Содержание книги представляет собой обширный перечень многочисленных тем, имеющих отношение к собеседованиям при приеме на работу и экзаменам для выпускников. Это ставит эту работу на передний план растущей тенденции в науке по обучению базовому набору практических математических и вычислительных навыков. Широко признано, что подготовка каждого ученого-компьютерщика должна включать фундаментальные теоремы МО, а ИИ присутствует в учебной программе почти каждого университета. Этот том задуман как отличный справочник для выпускников таких программ.
Книга насчитывает почти 400 страниц.
Сотни полностью решенных задач
Проблемы из многочисленных областей глубокого обучения
Четкие схемы и иллюстрации
Комплексный индекс
Пошаговое решение проблем
Не только данные ответы, но и показанные работы
Не только показанная работа, но и обоснование, приведенное там, где это необходимо.
Эта книга была написана для вас: начинающего специалиста по обработке данных с количественным опытом, которому предстоит пройти собеседование в условиях растущей конкуренции. Для большинства из вас процесс собеседования является самым серьезным препятствием на пути к работе мечты. Несмотря на то, что у вас есть способности, опыт и мотивация, чтобы преуспеть на целевой должности, вам могут понадобиться некоторые рекомендации о том, как вступить в дверь. Ваше любопытство проведет вас через наборы задач, формулы и инструкции, содержащиеся в книге, и по мере продвижения вы углубите свое понимание глубокого обучения. Между исчислением, логистической регрессией, энтропией и теорией глубокого обучения существуют сложные связи; прочитайте книгу, и эти связи станут интуитивно понятными.
ТОМ-I книги посвящен статистическим перспективам и сочетает в себе базовые основы с основными идеями и практическими знаниями. Есть специальные главы, посвященные:
Теория информации
Исчисление и алгоритмическое дифференцирование
Байесовское глубокое обучение и вероятностное программирование
Логистическая регрессия
Ансамблевое обучение
Извлечение функций
Глубокое обучение: расширенная глава (более 100 страниц)
Эти главы сопровождают многочисленные углубленные рассмотрения тем глубокого обучения с примерами кода на PyTorch, Python и C++.
«PyTorch» является товарным знаком Facebook.
Copyright © Шломо Кашани, автор книги «Интервью с глубоким обучением» Шломо Кашани, автор книги «Интервью с глубоким обучением» www.interviews.ai: [email protected]
Спасибо всем читателям, которые указали на эти проблемы. Исправления для версии от 12.03.2020 для печати и отражены в онлайн-версии:
Вопрос номер PRB-267-CH.PRB-8.91 удален из-за неясности.
Вопрос номер PRB-115 - CH.PRB-5.16 удален из-за неясности.
Ошибки версии от 12.05.2020 для печати и отраженные в онлайн-версии:
Страница 230, номер вопроса PRB-178 заменить «стартифицированную перекрестную проверку» на «стратифицированную перекрестную проверку».
Страница 231, номер вопроса PRB-181 добавлен знак «.» после сгиба данных.
Страница 231, номер вопроса PRB-191 изменить «an» на «a»
Страница 234, Вопрос номер PRB-192 «в» повторен дважды.
Страница 236, номер вопроса PRB-194 заменить слово «приближение» на «подходы», слово «arr» на «arr001».
Страница 247, номер вопроса PRB-210 изменить «an» на «a»
Страница 258, номер вопроса PRB-227 заменить «Показатели путаницы» на «Матрица путаницы».
Страница 271, номер вопроса PRB-240 изменить «MaxPool2D(4,4,)» на «MaxPool2D(4,4)»
Страница 273, номер вопроса PRB-243 изменить слово «личность» на «идентифицировать».
Стр. 281, номер вопроса PRB-254 заменить слово «предлагать» на «предлагает».
Страница 283, номер вопроса PRB-256 «происходит» написан с ошибкой.
Стр. 286, «Л1, Л2» изменено на «Нормы»
Страница 288, вопрос номер SOL-184 заменить слово «полный» на «является полным».
Страница 298, вопрос номер SOL-208 изменить «ou1» на «out»
Страница 319, номер вопроса SOL-240 изменить «torch.Size([1, 32, 222, 222])». на «torch.size([1, 32, 222, 222]).»
Страница 283, номер вопроса PRB-256 «происходит» написан с ошибкой.
Исправления для версии от 12.07.2020 для печати и отражены в онлайн-версии:
Страница 187, номер вопроса PRB-140, два недостающих графика (6.3, 6.4), которые неправильно отображались в версии для печати.
6.3
6.4 Исправления для версии для печати от 21.09.2020 и отраженные в онлайн-версии:
Страница 34, номер решения SOL-19 , 0,21886 должно быть 0,21305, а 0,21886 ± 1,95 × 0,21886 должно быть 0,21305 ± 1,95 × 0,21886.
Страница 36-7, номер решения SOL-21 , 4,8792/0,0258 = 189,116 , а не 57,3 и pi(33) = 0,01748, а не pi(33) = 0,211868 .
Страница 49, PRB-47 «Какова вероятность того, что эксперт — обезьяна » должно быть «Какова вероятность того, что эксперт — человек »
Ошибки версии для печати от 22.09.2020 и отраженные в онлайн-версии:
Страница 73, номер решения SOL-56 должен гласить: «Гессиан получается путем дифференцирования ».
Страница 57, номер задачи PRB-65 должен читаться как « два нейрона».
Ошибки версии для печати от 24.09.2020 и отраженные в онлайн-версии:
Страница 78, номер решения SOL-64 , OnOffLayer отключается только в том случае, если выключены как минимум 150 из 200 нейронов. Следовательно, это можно представить как биномиальное распределение, и вероятность отключения слоя равна: