採訪.ai

《深度學習面試》一書：數百個完全解決的求職面試問題，涉及人工智慧領域的廣泛關鍵主題。

下載 PDF • 關於 • 勘誤表 •

個人說明：

“不斷學習，否則就有變得無關緊要的風險。”

在第一卷中，我特意呈現了資料科學領域連貫、累積和特定內容的核心課程，包括資訊理論、貝葉斯統計、演算法微分、邏輯迴歸、感知器和卷積神經網路等主題。我希望你會發現這本書很刺激。

我相信，本書主要針對的研究生和求職者將會從閱讀本書中受益；然而，我希望即使是最有經驗的研究人員也會發現它很有趣。

懇請同學和其他讀者提出指正、批評和建議。儘管我在多年的寫作和修改本文的過程中試圖消除錯誤，但毫無疑問仍然存在一些錯誤。特別是，一些排版錯誤無疑會出現在最終版本中。我希望你能原諒他們。

聯繫阿米爾：

• https://www.linkedin.com/in/amirivry/

• https://scholar.google.com.mx/itations?user=rQCVwksAAAAJ&hl=iw

聯絡什洛莫：

• https://www.linkedin.com/in/quantscientist/

• https://scholar.google.com.mx/itations?user=bM0LGgcAAAAJ&hl

本書可透過亞馬遜和其他標準分銷管道購買。請造訪出版商的網頁訂購該書或取得有關其出版的更多詳細資訊。書的手稿如下：僅供個人使用，不得出售。

• https://amazon.com/author/quantscientist

---

下載

PDF 檔案可在此處取得：

https://arxiv.org/abs/2201.00650

引文

@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}
}

嚴格禁止銷售或商業用途。此電子資源的使用者權利在下面的授權協議中指定。您只能將本電子資源用於私人學習目的。嚴禁出售/轉售其內容。

這本書（www.interviews.ai）是為你而寫的：一位有抱負的、具有定量背景的資料科學家，在競爭日益激烈的領域面臨面試過程的挑戰。對大多數人來說，面試過程是您與夢想工作之間最大的障礙。即使您有能力、背景和動力在目標職位上取得優異成績，您可能仍需要一些關於如何踏入該職位的指導。

關於

《深度學習訪談》第二版（亞馬遜平裝版以黑白印刷）包含數百個已完全解決的問題，涉及人工智慧領域的廣泛關鍵主題。它旨在排練面試或考試特定主題，並提供機器學習碩士/博士學位。學生和等待面試的人對該領域有條理的概述。它提出的問題足夠棘手，足以讓你初步解決並顯著提高你的技能，但它們都包含在發人深省的問題和引人入勝的故事中。

這就是本書對學生和求職者特別有價值的原因：它使他們能夠自信、快速地談論任何相關主題，清晰、正確地回答技術問題，並充分理解面試問題的目的和含義。當走進面試室時，這些都是強大且不可或缺的優勢。

本書的內容包含大量與 DL 工作面試和研究生程度考試相關的主題。這使得這項工作處於科學發展趨勢的前沿，教授一套核心的實用數學和計算技能。人們普遍認為，每個電腦科學家的訓練都必須包括機器學習的基本定理，而人工智慧幾乎出現在每所大學的課程中。本書旨在為此類課程的畢業生提供極佳的參考資料。

• 這本書有近400頁

• 數百個完全解決的問題

• 來自深度學習眾多領域的問題

• 清晰的圖表和插圖

• 綜合指數

• 逐步解決問題

• 不只是給出的答案，還有展示的工作

• 不只是展示的作品，還有適當的推理

這本書是為你而寫的：一位有定量背景、有抱負的資料科學家，在競爭日益激烈的領域面臨面試過程的挑戰。對大多數人來說，面試過程是您與夢想工作之間最大的障礙。即使您有能力、背景和動力在目標職位上取得優異成績，您可能仍需要一些關於如何踏入該職位的指導。您的好奇心將引導您完成本書的問題集、公式和說明，隨著您的進步，您將加深對深度學習的理解。微積分、邏輯迴歸、熵和深度學習理論之間存在著錯綜複雜的關聯；讀完這本書，這些連結就會變得直觀。

核心學科領域（第一卷）：

本書的第一卷重點在於統計觀點，並將背景基礎知識與核心思想和實踐知識結合。有專門的章節介紹：

• 資訊理論

• 微積分與演算法微分

• 貝葉斯深度學習與機率編程

• 邏輯迴歸

• 整合學習

• 特徵提取

• 深度學習：擴充章節（100 多頁）

這些章節與深度學習主題的大量深入討論一起出現，並提供 PyTorch、Python 和 C++ 中的程式碼範例。

免責聲明

• 「PyTorch」是 Facebook 的商標。

授權

• 版權所有 © Shlomo Kashani，《深度學習訪談》一書的作者 Shlomo Kashani， 《深度學習訪談》一書的作者 www.interviews.ai：[email protected]

勘誤表（可能不是最新的）

不包括較小的更正。

感謝所有指出這些問題的讀者。 2020 年 3 月 12 日印刷版和線上版本中反映的勘誤表：

1. 由於缺乏清晰度，問題號PRB-267 -CH.PRB- 8.91已被刪除

2. 由於缺乏清晰度，問題號PRB-115 - CH.PRB- 5.16已被刪除

2020 年 5 月 12 日印刷版和線上版本中反映的勘誤表：

1. 第 230 頁，問題號PRB-178將「啟動交叉驗證」修改為「分層交叉驗證」。

2. 第 231 頁，問題號PRB-181在資料折疊後新增了“.”

3. 第 231 頁，問題號PRB-191將“an”修改為“a”

4. 第 234 頁，問題編號PRB-192 “in”重複兩次

5. 第 236 頁，問題號PRB-194 將“approached”修改為“approaches”，將“arr”修改為“arr001”

6. 第 247 頁，問題號PRB-210 將“an”修改為“a”

7. 第 258 頁，問題號PRB-227 將“混淆度量”修改為“混淆矩陣”

8. 第271頁，問題號PRB-240將“MaxPool2D(4,4,)”修改為“MaxPool2D(4,4)”

9. 第273頁，問題號PRB-243將“身份”修改為“識別”

10. 第281頁，問題號PRB-254將“建議”修改為“建議”

11. 第 283 頁，問題編號PRB-256 “發生”拼字錯誤

12. 第286頁“L1、L2”修改為“規範”

13. 第 288 頁，問題編號SOL-184將“完整”修改為“是完整”

14. 第298頁，問題編號SOL-208將“ou1”修改為“out”

15. 第 319 頁，問題號SOL-240修正「torch.Size([1, 32, 222, 222])」。 到“torch.size([1, 32, 222, 222]).“

16. 第 283 頁，問題編號PRB-256 “happening”拼字錯誤

2020 年 7 月 12 日印刷版和線上版本中反映的勘誤表：

1. 第 187 頁，問題編號PRB-140兩個缺失圖（6.3、6.4）在列印版本上未正確呈現

6.3

6.4 2020 年 9 月 21 日印刷版本和線上版本中反映的勘誤表：

1. 第 34 頁，溶液編號SOL- 19，0.21886 應為 0.21305，0.21886 ± 1.95 × 0.21886 應為0.21305 ± 1.95 × 0.21886

2. 第 36-7 頁，解編號SOL-21 ，4.8792/0.0258 = 189.116而非 57.3 且 pi(33) = 0.01748 而非 pi(33) = 0.211868 。

3. 第 49 頁， PRB-47 “專家是猴子的機率是多少”應該是“專家是人類的機率是多少”

2020 年 9 月 22 日印刷版和線上版本中反映的勘誤表：

1. 第 73 頁，解編號SOL-56應為“Hessian 矩陣是透過微分產生的”

2. 第 57 頁，問題編號PRB-65應為“兩個神經元”

2020 年 9 月 24 日印刷版和線上版本中反映的勘誤表：

1. 第 78 頁，解編號SOL-64 ，只有當 200 個神經元中至少有 150 個關閉時，OnOffLayer 才會關閉。因此，這可以表示為二項式分佈，並且該層關閉的機率為：