面试宝典千千万，但这一份，应当是深度学习领域里不容错过的那一个了。
这不，才在arXiv“上架”12天，GitHub就狂揽了1.5K颗小星星。
火爆程度，可见一斑。
这就是名为 Deep Learning Interviews的面试书，由量子力学家Shlomo Kashani等人所著。
这本面试书之所以能这么火爆，是因为它所涵盖的内容，能hold住数百个深度学习面试中可能遇到的问题。
而且还是横跨人工智能领域众多关键主题的那种。
甚至作者还这样描述这本面试书的价值：
这本书能让准备面试的学生（包括硕士和博士等），自信且快速谈论任何相关话题，清楚和正确地回答技术问题，并充分理解面试问题和答案的目的和意义。
不仅如此，还得划个重点——这本书在亚马逊上的售价是22.99美元 （约147元）。
但现在，免费的PDF版已经上线（这不白嫖么……链接见文末）！
那么这本书到底讲了些什么？是否真有这么神奇？
让我们来一探究竟。
在作者看来，当下人工智能领域的竞争力愈发激烈，而面试刚好成为了多数人与梦想工作之间的屏障。
即使是一个人有足够的能力，在业务上的表现也非常出色，但他也可能需要一些正确的指导，让自己找到更加合适的工作。
而这本书的内容，就是围绕着“深度学习面试”展开，盘点了与之相关的众多主题。
从章节分布来看，本书主要包含以下几大方向：
- 信息理论
- 微积分与算法差异化
- 贝叶斯深度学习和概率编程
- Logistic回归
- 集成学习
- 特征提取
- 深度学习
- ……
在每一部分的章节中，基本会分为三个部分，它们分别是简介、问题和答案。
“问题”和“答案”将会以如下的方式呈现：
不过作者也提醒，在看问题的时候要先自己做思考，不要急着去翻下面的答案——“让自己在材料中挣扎一段时间，是非常重要的。”
至于书中提供的这些“问题”，主要分为两大类型。
第一类是概念性问题。
这类问题主要是为了测试和提高你对基本概念的理解，一般会涉及许多数学相关的计算。
当然问题的难度也是由浅入深：从基本的定义，到对概念进行深度思考。
举一个“信息理论”章节中的例子：
第二类是应用性问题。
这类问题主要是用来练习技能，毕竟“光说不练”是不够的。
本书中的所有这类问题，都是基于Python或现有的深度学习库来展开。
以Pytorch的为例：
那如果对给出的“答案”存在不理解的地方该怎么办呢？
别急，本书在附录处对所涉及的所有公式做了一份清单，还提供了可以进一步学习、阅读的选择性书目列表。
本书的作者是Shlomo Kashani，一名量子计算科学家。
他是DeepOncology AI的主管，曾用深度学习的方式精确检测肿瘤。
而他却不满足于只在实验室里做实验，在Shlomo看来，能够帮助其他研究人员才是最大的科学贡献。
这也是他创作本书的初衷。
那么这本深度学习面试书是否对你有帮助呢？
免费PDF版本链接已在文末奉上，感兴趣的友友们快去看看吧~
深度学习面试书：
https://arxiv.org/abs/2201.00650
参考链接：
[1]https://github.com/BoltzmannEntropy/interviews.ai
[2]https://www.amazon.com/Deep-Learning-Interviews-interview-questions/dp/1916243568
“
