《人工智能程序员面试笔试宝典》是一本讲解人工智能面试笔试的百科全书，在写法上，除了讲解常见的面试笔试知识点，还引入了相关示例和笔试题辅以说明，让读者能够更加容易理解。

《人工智能程序员面试笔试宝典》将人工智能面试笔试过程中各类知识点一网打尽，在内容的广度上，通过各种渠道，搜集了近3年来IT企业针对人工智能岗位面试涉及的知识点，包括但不限于人工智能、计算机网络、作系统、算法等，所选择的知识点均为企业招聘考查的知识点。在讲解的深度上，本书由浅入深分析每一个知识点，并提炼归纳，同时，引入相关知识点，并对知识点进行深度剖析，让读者不仅能够理解这个知识点，还能在遇到相似问题的时候，也能游刃有余地解决。本书对知识点进行归纳分类，结构合理，条理清晰，对于读者进行学习与检索意义重大。

《人工智能程序员面试笔试宝典》是一本计算机相关专业毕业生面试、笔试的求职用书，同时也适合期望在计算机软、硬件行业大显身手的计算机爱好者阅读。

前言 

 1章  走进人工智能的世界1

1.1  人工智能的发展历程1

1.2  人工智能在各行业的应用现状2

1.3  人工智能的职业发展3

1.4  学习资源6

 2章  算法工程师基础10

2.1  机器学习简介10

2.1.1  机器学习如何分类10

2.1.2  什么是判别式模型和生成式

模型11

2.2  性能度量11

2.2.1  回归问题常用的性能度量指标有

哪些11

2.2.2  分类问题常用的性能度量指标有

哪些12

2.3  特征工程13

2.3.1  数据预处理主要包括什么14

2.3.2  特征选择主要包括什么15

2.3.3  特征降维主要包括什么17

2.3.4  特征构造主要包括什么18

2.4  过拟合、欠拟合与正则化19

2.4.1  过拟合与欠拟合的区别是什么，

什么是正则化19

2.4.2  解决欠拟合的方法有哪些19

2.4.3  防止过拟合的方法主要有哪些19

2.5  偏差与方差22

2.5.1  试推导泛化误差、偏差、方差与

噪声之间的关系22

2.5.2  导致偏差和方差的原因是什么23

2.6  常用梯度下降法与优化器24

2.6.1  随机梯度下降与小批量随机梯度

下降24

2.6.2  动量算法24

2.6.3  NAG算法（Nesterov动量）25

2.6.4  自适应学习率算法25

2.6.5  试比较牛顿迭代法与梯度

下降法27

2.7  其他问题28

2.7.1  常用的损失函数有哪些28

2.7.2  如何判断函数凸或非凸29

2.7.3  什么是数据不平衡问题，应该如何

解决29

2.7.4  熵、联合熵、条件熵、KL散度、

互信息的定义30

2.7.5  主成分分析和因子分析的区别31

2.7.6  什么是小风险贝叶斯决策32

2.7.7  什么是贝叶斯小错误概率和

小风险32

 3章  常见的机器学习算法34

3.1  线性回归与逻辑回归34

3.1.1  线性回归及代码展示34

3.1.2  逻辑回归及代码展示35

3.1.3  逻辑回归模型如何进行多分类38

3.1.4  逻辑回归分类和线性回归的异同点

是什么38

3.2  常用聚类算法38