Hulu面试题连载重启 | 百面深度学习 发刊词
还记得那些年Hulu连载过的机器学习面试题吗?
(全系列连载可在Hulu公众号菜单栏查看)
还记得“圈内”人手一本的《百面机器学习》吗?
从本周开始,新的连载系列——
百面深度学习
隆重揭幕!
由Hulu研究员、算法工程师诚意出品
传承“百面”系列深入浅出的风格
为你呈现最美的深度学习
每周二、四准时推送
当期问题解答+下期问题预告
我们诚邀你一起踏上这段学习之旅
我们也期待你的提问、交流和指正
by 江云胜
百面深度学习 发刊词
岁月新更又一春,迎春还是旧年人。去年,我们在微信公众号推送的“Hulu机器学习问答”系列,受到了读者广泛好评。十几位算法研究员/工程师于是将该系列进行了扩充和完善,最终整理成《百面机器学习》一书,于2018年8月正式出版。该书一经发布,销售火爆,供不应求,上市首日即登上京东计算机类新书榜第1名,目前销量超2万册。在此感谢大家一直以来的支持。今春,该系列正式回归,我们也将借此持续为大家分享更多高质量内容。
不少读者在看完《百面机器学习》后给我们反馈:书中关于深度学习的篇幅有限,希望能再多分享一些深度学习方面的问题与解答。的确,深度学习是目前非常火热的话题,无论是学术界还是工业界都绕不过它。在Hulu各个Research组(推荐/广告/视频内容理解等)的实际项目中,基本都会用到深度学习模型。近两年来,Hulu内部也相继开办了关于深度学习的基础课程和前沿课程,面向所有员工。此外,在我们定期的Research Workshop或者组内技术分享会上,深度学习也是常客。当然,Hulu每年需要面试几百位算法岗候选人,无论是面试官还是候选人都避不开深度学习,几乎每个候选人都会被问到深度学习方面的问题。在这些工作、课程、研讨会、面试的过程中,我们积累了很多有意思的深度学习问题。
深度学习的火热及其在很多行业的成功应用,吸引了许多读者;但这个领域的知识点众多,技术发展也非常迅速,学习起来并不太容易。因此,我们有必要做一个专门针对深度学习的知识点问答系列,分享所学所做、所思所得,以帮助更多的人学习和了解这个领域。为此,我们再次集结了Hulu近30位算法研究员/工程师,给大家讲述他们在工作、学习、面试过程中遇到的有趣的深度学习问题,与大家相互学习,共同进步。
“百面深度学习”这个系列将会包含多个领域的问题:既有以算法/模型为主线的CNN、RNN、Attention Model、Graph Neural Network、Reinforcement Learning、Generative Model、GAN、Adversarial Attack/Training、Meta-Learning、Neural Architecture Search、Bayesian Deep Learning等,也有以应用为主线的计算机视觉、自然语言处理、推荐、广告、视频处理、语音识别、自动驾驶、游戏、大规模应用等方向的内容。对于每个领域,我们会尽可能地选择一些不同方面、不同层次上的问题:有该领域的经典问题,也有最新的前沿知识点;有偏理论的分析题,也有关注具体实现的实践题;有粗粒度的概念题,也有细粒度的细节问题;有简单问题,也有比较深入的复杂问题。不同类型的问题相互搭配,展示深度学习的“百面”精彩,让不同的读者都能找到合适的内容。
为了便于广大读者在微信上进行阅读,与之前的“机器学习”系列一样,我们会尽量让各个问题之间减少相互依赖,独立为一道完整的问题与解答;此外,每个问题都会注明所涉及到的知识点和参考难度级,让大家更容易理解。同样,我们会在每一期的推送之后,加上下一期的问题预告,希望大家一起思考,交流互动。最后,欢迎大家给我们提反馈意见或贡献好的问题素材,督促我们不断完善这个系列。
第一题预告
【典型卷积神经网络模型结构的演进】
引言
如何教机器学会看这个世界?生物的视觉认知过程带给了我们诸多启示,1981年的诺奖研究揭示了生物通过多层视细胞对视觉刺激进行逐层处理,从而理解复杂的视觉特征并形成高层次的语义认知的机制。这项研究极富启发性,8年后的1989年卷积神经网络的雏形首次被Yann LeCun提出,直至今日,卷积神经网络这一计算机视觉中最基本和最重要的模型,已走过了堪堪三十年,一般人或许不知道它的来历,也不知道它在1998年后经历过怎样的低潮,但会始终记得2012年AlexNet在ImageNet 2012图像分类大赛上一举夺魁这里程碑式的事件,以及随后近十年来深度学习和人工智能迎来的爆发式发展。卷积神经网络自2012年崭露头角到现在的广泛应用,其基本模型结构经历了数个阶段的发展,而了解这些发展的关键节点不仅有利于更好地了解卷积神经网络结构设计的一般规律和准则,也能让我们更深入地理解机器视觉的认知过程。在该讲中,我们将较为具体地梳理卷积神经网络结构自AlexNet起到近两年来数个发展的里程碑,帮助读者对整个发展流程中的各种逻辑产生清晰的认识。
问题
请简述卷积神经网络在近几年来从AlexNet开始到ResNeXt的主要发展。
发刊特别福利
留言写下你对“百面深度学习”系列的期望,
我们将选取5名提供有益建议的热心读者,
送上签名版《百面机器学习》及Hulu周边!
关注Hulu公众号
开启探索深度学习的旅程
Hulu面试题连载重启 | 百面深度学习 发刊词相关推荐
- Hulu诚意出品 |《百面深度学习》重磅上市
CV君:由Hulu公司出品的<百面机器学习>口碑甚佳再版多次,甚至成为多家培训机构的教材,是面试者和面试官都在读的宝典,CV君前几天逛当当发现它的姊妹篇来了:百面深度学习,还是注重高质量的 ...
- 百面深度学习 | 第八期:物体检测模型的发展概况
"百面深度学习"系列连载 第八期 物体检测模型的发展概况 引言 物体检测问题是计算机视觉中极为重要的基础问题,也是解决场景理解.图像描述(Image Captioning).实例分 ...
- 百面机器学习和百面深度学习-测试1
11 1.特征归一化: 数据的量纲和大小不同会导致数据对模型的影响程度不同,每个特征对模型造成的影响不同. 2.怎么处理类别特征: (类似于男女之类的类别)one-hot编码 3.什么是组合特征,怎么 ...
- 百面深度学习:基于度量学习的元学习模型
文章目录 Q1 元学习中非参数方法相比于参数方法的优点? Q2 如何用度量学习和注意力机制来改造基于最邻近的元学习方法? 更多基础知识可以查看前文内容 <百面深度学习>之元学习 基于度量学 ...
- 深度学习面试题——深度学习的技术发展史
深度学习面试题--深度学习的技术发展史 提示:机器学习和深度学习在大厂中可能要考的东西 <百面机器学习和百面深度学习>一书,在面试前好好看! 深度学习的三次浪潮 说说分类网络的发展 为什么 ...
- 机器学习与深度学习系列连载(NTU-Machine Learning, cs229, cs231n, cs224n, cs294):欢迎进入机器学习的世界
欢迎进入机器学习的世界 本教程是根据台湾大学李弘毅老师的课程机器学习课程,斯坦福大学CS229.CS231N.CS224N.CS20i.伦敦大学学院 ([UCL-Course])(http://www ...
- Github深度学习面试题答案
Github深度学习面试题答案(一)-- 深度学习相关 本文是对于github上一篇关于无人驾驶的深度学习方面提问的 ''部分个人见解+论坛内外对该问题的解答'' 本文属于搬运+整合的笔记贴,主要是为 ...
- 深度学习面试题:原始GAN 在实际应用中存在哪些问题?
生成式对抗网络的基本原理 场景描述 生成式对抗网络(Generative Adversarial Network,GAN)一般由两个神经网络组成,一个网络负责生成样本,另一个网络负责鉴别样本的真假,这 ...
- 深度学习 autoencoder_面试宝典之深度学习面试题(下)
点击上方"Python全家桶","星标"或"置顶" 关键时刻,第一时间送达 今天已经是三月十一号,金三银四的金三已经过了三分之一,不知道大家 ...
最新文章
- MySQL Order by 语句用法与优化详解
- python怎样实现封装_大牛教你如何封装 Python 代码,实现自动发送邮件只需三行代码...
- 有个疑问,想知道你们的前端都是自学吗?
- maven打jar包 没有主属性清单
- ApiPost测试接口直接生成API文档
- MvcPager分页控件
- 写在前面 - 跟小智一起学网络(1)
- 【Appium】手机滑动swipe方法及如何进行坐标定位
- 数贝携手付晓岩老师带你玩转“企业架构”
- cmdb python 采集虚拟机_CMDB学习之八,完成所有资产采集信息的收集
- Java11引用org.w3c.dom 时报错The package org.w3c.dom is accessible from more than one module: , java.xml
- 云计算笔记---day3
- A. Extreme Extension
- php商城伪静态,友价商城nginx伪静态源码规则
- 米的换算单位和公式_一米等于多少分米(常见的长度单位换算公式方法)
- python 如何使用正则表达式
- Java 实现 YoloV7 人体姿态识别
- 自定义ava数据集及训练与测试 完整版 时空动作/行为 视频数据集制作 yolov5, deep sort, VIA MMAction, SlowFast
- ASO(应用商城优化)
- 基于swing+awt学生信息管理系统