深度學習500問：AI工程師面試寶典
談繼勇
1828人在讀
29.3萬字總字數
¥76.3定價
談繼勇
本書系統地描述了深度學習的基本理論算法及應用。全書共14章，第1~3章論述了數學基礎、機器學習基礎和深度學習基礎；第4~7章介紹了一些經典網絡及計算機視覺領域中常用的CNN、RNN、GAN等網絡結構技術；第8~9章介紹了深度學習在計算機視覺領域的目標檢測及圖像分割兩大應用；第10~14章介紹了計算機視覺領域主要的優化方法及思路等，包括遷移學習、網絡架構及訓練、網絡優化技巧、超參數調整及模型的壓縮和加速等。本書凝聚了衆多一線科研人員及工程師的經驗，旨在培養讀者發現問題、解決問題、擴展問題的能力。本書內容取材於編者在日常學習過程中總結的知識點及各大公司常見的筆試、面試題。本書可爲高等院校計算機科學、信息科學、人工智能、控制科學與工程、電子科學與技術等領域的研究及教學人員提供參考，也可爲相關專業本科生及研究生提供思考方向，還可爲深度學習及計算機視覺領域的初、中級研究人員和工程技術人員提供參考，尤其適合需要查漏補缺的應聘者及提供相關崗位的面試官閱讀。
書不錯，內容很乾，需要有一定基礎再來看，或者作爲知識體系框架，自行查漏補缺。很多內容對我來說過於技術、概括，沒看目標檢測那兩章，水了最後幾十頁，不是做技術的，目前沒想着深究內容，只是作爲系統的知識體系搭建。還是不錯的書，以後等了解的更深入了，再來刷一遍
初學者看不合適，看了也不知道怎麼回事，好像詞典一樣把一點一點列出來，很乾。 老手看也沒太多用，不全，不夠深，只能說涉獵面比較廣。 內容偏計算機視覺。只適合有一定能力之後翻着，複習知識查漏補缺。
差點被前面幾個評價勸退了，實際看下來，系統且全面，文風通俗易懂，都是一些關鍵問題以及答案。 既方便初學者快速搭建一個知識框架，也方便查漏補缺，好書！
相當好！非常適合已經學習過的人用來複習和準備面試，所以書名才叫面試寶典。太感謝這些行業裏的人出來做些相關的書給外行指條路。
都是很老的技術了，這本書的技術就都太老了，基本上都沒啥人問了，沒人在乎
寫的是500問，那麼問題在哪裏呢？找不到呢
github上的一本開源書，適合初學者瞭解深度學習中用到的各種概念。本書對深度學習中用到的數學和機器學習知識、卷積神經網絡、循環神經網絡、生成對抗網絡、目標檢測、圖像分割、遷移學習、網絡優化、超參數調整、模型壓縮加速都有涉獵，但不深入。再版希望增加圖神經網絡、擴散模型、數字人和大語言模型相關內容。
不太行。作者的寫作功底太差，初學者看了一頭霧水，專家看了不夠深刻！整體來說， 營養成分太少。
比想象中好 理論內容較爲詳細 應用側重於【計算機視覺圖像】
適合梳理深度學習體系，不深入，有助於拓寬知識面