诸葛越：现任Hulu公司全球研发副总裁，中国研发中心总经理。曾任Landscape Mobile 公司联合创始人兼CEO，前雅虎北京全球研发中心产品总监， 微软北京研发中心项目总经理，雅虎美国软件架构师。诸葛越获美国斯坦福大学的计算机硕士与博士，纽约州立大学石溪分校的应用数学硕士，曾就读于清华大学计算机科学与技术系。诸葛越的研究结果获多项专利，2005年获美国计算机学会数据库专业委员会十年论文奖。
葫芦娃：15位Hulu北京创新实验室的人才。他们利用擅长的机器学习、深度学习等领域知识和算法模型，建立了一套定制化的机AI平台，改变着推荐引擎、视频编解码、内容理解、广告投放等多项与用户息息相关的在线业务技术。

推荐序
前言
机器学习算法工程师的自我修养
第　1章 特征工程
第　1节 特征归一化
第　2节 类别型特征
第3节　高维组合特征的处理
第4节　组合特征
第5节　文本表示模型
第6节　Word2Vec
第7节　图像数据不足时的处理方法
第　2章 模型评估
第　1节 评估指标的局限性
第　2节 ROC 曲线
第3节　余弦距离的应用
第4节　A/B 测试的陷阱
第5节　模型评估的方法
第6节　超参数调优
第7节　过拟合与欠拟合
第3章　经典算法
第　1节 支持向量机
第　2节 逻辑回归
第3节　决策树
第4章　降维
第　1节 PCA 最大方差理论
第　2节 PCA 最小平方误差理论
第3节　线性判别分析
第4节　线性判别分析与主成分分析
第5章　非监督学习
第　1节 K 均值聚类
第　2节 高斯混合模型
第3节　自组织映射神经网络
第4节　非监督学习算法的评估
第6章　概率图模型
第　1节 概率图模型的联合概率分布
第　2节 概率图表示
第3节　生成式模型与判别式模型
第4节　马尔可夫模型
第5节　主题模型
第7章　优化算法
第　1节 有监督学习的损失函数
第　2节 机器学习中的优化问题
第3节　经典优化算法
第4节　梯度验证
第5节　随机梯度下降法
第6节　随机梯度下降法的加速
第7节　L1 正则化与稀疏性
第8章　采样
第　1节 采样的作用
第　2节 均匀分布随机数
第3节　常见的采样方法
第4节　高斯分布的采样
第5节　马尔科夫蒙特卡洛采样法
第6节　贝叶斯网络的采样
第7节　不均衡样本集的重采样
第9章　前向神经网络
第　1节 多层感知机与布尔函数
第　2节 深度神经网络中的激活函数
第3节　多层感知机的反向传播算法
第4节　神经网络训练技巧
第5节　深度卷积神经网络
第6节　深度残差网络
第　10章 循环神经网络
第　1节 循环神经网络和卷积神经网络
第　2节 循环神经网络的梯度消失问题
第3节　循环神经网络中的激活函数
第4节　长短期记忆网络
第5节　Seq2Seq 模型
第6节　注意力机制
第　11章 强化学习
第　1节 强化学习基础
第　2节 视频游戏里的强化学习
第3节　策略梯度
第4节　探索与利用
第　12章 集成学习
第　1节 集成学习的种类
第　2节 集成学习的步骤和例子
第3节　基分类器
第4节　偏差与方差
第5节　梯度提升决策树的基本原理
第6节　XGBoost 与GBDT 的联系和区别
第　13章 生成式对抗网络
第　1节 初识GANs 的秘密
第　2节 WGAN：抓住低维的幽灵
第3节　DCGAN：当GANs 遇上卷积
第4节　ALI：包揽推断业务
第5节　IRGAN：生成离散样本
第6节　SeqGAN：生成文本序列
第　14章 人工智能的热门应用
第　1节 计算广告
第　2节 游戏中的人工智能
第3节　AI 在自动驾驶中的应用
第4节　机器翻译
第5节　人机交互中的智能计算
后记
作者随笔
参考文献