{"product_id":"110318","title":"Interview interne sur l'apprentissage automatique ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYEEOAuSkvXlWIzXHiTBzr2Erkg2W.png?v=1765099683\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Interview interne sur l'apprentissage automatique \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/125294888\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e  \u003cdiv\u003e\n\u003cb\u003eDes bases des entretiens d'embauche en apprentissage automatique aux approches pratiques pour des applications concrètes.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Pour répondre avec assurance à toute question d'entretien sur le ML, vous devez définir clairement l'ensemble du flux de travail du ML et les concepts fondamentaux associés.\u003cbr\u003e Ce livre aborde tous les aspects, des fondamentaux du ML et des entretiens de codage aux entretiens de conception de systèmes et d'infrastructures, étape par étape, en examinant les problèmes et les stratégies de résolution auxquels les candidats doivent se préparer.\u003cbr\u003e S'appuyant sur son expérience d'entretiens avec près d'un millier de candidats chez Amazon, Twitter et des startups spécialisées en IA, l'auteur dévoile 194 questions fréquemment posées lors des entretiens d'embauche dans le domaine du ML chez les grandes entreprises technologiques et propose des conseils pour formuler les meilleures réponses.\u003cbr\u003e Utilisons les réponses claires et ciblées ainsi que les conseils d'entretien fournis dans ce livre pour renforcer vos points forts et aborder en profondeur vos points faibles, afin de réussir votre entretien.\u003cbr\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e  \u003cdiv\u003e\n\u003cb\u003eChapitre 1 : Se préparer à un entretien d'embauche en apprentissage automatique\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Écran téléphonique technique\u003cbr\u003e Entretien sur les connaissances de base en apprentissage automatique\u003cbr\u003e entretien de codage en apprentissage automatique\u003cbr\u003e Entretien de conception de systèmes d'apprentissage automatique\u003cbr\u003e Autres interviews\u003cbr\u003e Éléments essentiels d'une bonne réponse\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 2 : Notions de base du ML\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Q2.1 Étape de collecte des données\u003cbr\u003e Q2.2 Problèmes liés à la collecte de données\u003cbr\u003e Q2.3 Considérations relatives à la collecte de données\u003cbr\u003e Q2.4 Gestion du déséquilibre des étiquettes\u003cbr\u003e Q2.5 Gestion des étiquettes manquantes\u003cbr\u003e Q2.6 Type de caractéristique d'entrée\u003cbr\u003e Q2.7 Sélection et importance des fonctionnalités\u003cbr\u003e Q2.8 Méthode de sélection des caractéristiques\u003cbr\u003e Q2.9 Valeurs manquantes des caractéristiques\u003cbr\u003e Q2.10 Algorithme de modélisation\u003cbr\u003e Q2.11 Fonctionnement de la régression logistique\u003cbr\u003e Q2.12 Fonction de perte de la régression logistique\u003cbr\u003e Q2.13 Optimisation par descente de gradient\u003cbr\u003e Q2.14 Optimisation des hyperparamètres\u003cbr\u003e Q2.15 Surajustement du modèle de gestion\u003cbr\u003e Q2.16 Techniques de normalisation\u003cbr\u003e Q2.17 Régression linéaire et régression logistique\u003cbr\u003e Q2.18 Fonction d'activation du réseau neuronal\u003cbr\u003e Q2.19 Arbres de décision, forêts aléatoires et arbres de décision à gradient boosté\u003cbr\u003e Q2.20 Boost et Bagage\u003cbr\u003e Q2.21 Techniques d'apprentissage non supervisé\u003cbr\u003e Q2.22 Comment fonctionne l'algorithme des k-moyennes ?\u003cbr\u003e Q2.23 Techniques d'apprentissage semi-supervisé\u003cbr\u003e Q2.24 Types de fonctions de perte\u003cbr\u003e Q2.25 Convexité de la fonction de perte \u003cbr\u003eQ2.26 Indicateurs d'évaluation du modèle de classification\u003cbr\u003e Q2.27 Indicateurs d'évaluation du modèle de régression\u003cbr\u003e Q2.28 Optimisation du modèle\u003cbr\u003e Amélioration des performances du modèle Q2.29\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 3 : Codage ML\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Q3.1 k-moyennes\u003cbr\u003e Q3.2 k plus proches voisins\u003cbr\u003e Q3.3 Arbre de décision\u003cbr\u003e Q3.4 Régression linéaire\u003cbr\u003e Critères d'évaluation Q3.5\u003cbr\u003e Q3.6 Échantillonnage des réservoirs\u003cbr\u003e Q3.7 Problème de probabilité\u003cbr\u003e Q3.8 Tables de hachage et problèmes de programmation distribuée\u003cbr\u003e Q3.9 Problème de graphique\u003cbr\u003e Q3.10 Problème de chaîne\u003cbr\u003e Q3.11 Problème de tableau\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 4 : Conception de systèmes d’apprentissage automatique 1 - Systèmes de recommandation\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Q4.1 Objectif du système\u003cbr\u003e Q4.2 Indicateurs du système\u003cbr\u003e Q4.3 Types de contenu recommandés\u003cbr\u003e Q4.4 Composition recommandée\u003cbr\u003e Q4.5 Paramètres de fonctionnement du système\u003cbr\u003e Q4.6 Composants du système\u003cbr\u003e Q4.7 Problème de démarrage à froid\u003cbr\u003e Q4.8 Type d'ensemble de données\u003cbr\u003e Q4.9 Techniques de collecte de données\u003cbr\u003e Biais de l'ensemble de données Q4.10\u003cbr\u003e Q4.11 Atténuer les biais de service\u003cbr\u003e Q4.12 Atténuer le biais de position\u003cbr\u003e Q4.13 Source des candidats recommandés\u003cbr\u003e Q4.14 Étape de génération des candidats recommandés\u003cbr\u003e Q4.15 Algorithme de génération de candidats à la recommandation\u003cbr\u003e Q4.16 Technologie d'intégration\u003cbr\u003e Q4.17 Évaluation des candidats pour les systèmes de recommandation à grande échelle\u003cbr\u003e Indexation des nouveaux contenus du 4e trimestre 2018\u003cbr\u003e Q4.19 Fusion et organisation des candidats recommandés \u003cbr\u003eQ4.20 Formation au modèle de pré-classement\u003cbr\u003e Indicateurs d'évaluation du modèle de pré-classement Q4.21\u003cbr\u003e Q4.22 Algorithme du modèle de pré-classement\u003cbr\u003e Q4.23 Optimisation du modèle de pré-classement\u003cbr\u003e Q4.24 Principales caractéristiques du modèle de classement\u003cbr\u003e Q4.25 Fonctionnalités basées sur du texte ou un identifiant\u003cbr\u003e Q4.26 Fonctionnalités basées sur le comptage\u003cbr\u003e Q4.27 Entraînement d'un modèle de classement lourd\u003cbr\u003e Q4.28 Algorithme du modèle de classement lourd\u003cbr\u003e Architecture du modèle de classement Q4.29\u003cbr\u003e Correction de la valeur prédite du modèle de classement du 30e trimestre\u003cbr\u003e Indicateurs d'évaluation du modèle de classement Q4.31\u003cbr\u003e Q4.32 Modèle multitâche et modèle individuel\u003cbr\u003e Système de service modèle Q4.33\u003cbr\u003e Q4.34 Mise en cache\u003cbr\u003e Mise à jour du modèle Q4.35\u003cbr\u003e Q4.36 Expérience en ligne\u003cbr\u003e Charge du modèle Q4.37\u003cbr\u003e Q4.38 Considérations relatives à l'expérience modèle\u003cbr\u003e Q4.39 Indice d'évaluation hors ligne\u003cbr\u003e Q4.40 Dégradation des performances en ligne\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 5 : Conception de systèmes d’apprentissage automatique 2 - Applications\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Q5.1 Analyse de documents\u003cbr\u003e Q5.2 Analyse des sentiments\u003cbr\u003e Q5.3 Techniques de modélisation thématique\u003cbr\u003e Q5.4 Résumé du document\u003cbr\u003e Q5.5 Compréhension du langage naturel\u003cbr\u003e Q5.6 Étiquettes d'apprentissage supervisé\u003cbr\u003e Q5.7 Fonctionnalités d'apprentissage non supervisé\u003cbr\u003e Q5.8 Caractéristiques discriminantes du problème\u003cbr\u003e Q5.9 Fonctionnalités du modèle génératif\u003cbr\u003e Q5.10 Construction d'un modèle d'extraction d'informations\u003cbr\u003e Q5.11 Indice d'évaluation de l'extraction d'informations\u003cbr\u003e Q5.12 Construction d'un modèle de classification \u003cbr\u003eQ5.13 Construction d'un modèle de régression\u003cbr\u003e Q5.14 Attribution du sujet\u003cbr\u003e Q5.15 Indicateurs d'évaluation de la modélisation thématique\u003cbr\u003e Q5.16 Construction d'un modèle de regroupement de documents\u003cbr\u003e Q5.17 Indicateurs d'évaluation du regroupement\u003cbr\u003e Q5.18 Construction d'un modèle de génération de texte\u003cbr\u003e Q5.19 Indice d'évaluation de la génération de texte\u003cbr\u003e Q5.20 Flux de travail de modélisation\u003cbr\u003e Prévisions hors ligne pour le T5.21\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 6 : Conception de l’infrastructure d’apprentissage automatique\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Q6.1 Accélérer le développement du modèle\u003cbr\u003e Q6.2 Accélérer l'apprentissage du modèle\u003cbr\u003e Q6.3 Distribution de l'entraînement du modèle\u003cbr\u003e Q6.4 Évaluation du pipeline de formation des modèles\u003cbr\u003e Q6.5 Erreur d'apprentissage distribué\u003cbr\u003e Mise à jour du modèle Q6.6\u003cbr\u003e Q6.7 Optimisation du modèle\u003cbr\u003e Q6.8 Composants du système de service\u003cbr\u003e Q6.9 Problèmes lors du service\u003cbr\u003e Q6.10 Amélioration de la langue des signes\u003cbr\u003e Q6.11 Amélioration de la latence\u003cbr\u003e Q6.12 Gestion de plusieurs requêtes\u003cbr\u003e Q6.13 Mise à jour du modèle pendant le service\u003cbr\u003e Q6.14 Déploiement et restauration du modèle\u003cbr\u003e Q6.15 Surveillance du serveur\u003cbr\u003e Q6.16 Dégradation des performances pendant le service\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 7 Problèmes avancés d'apprentissage automatique\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Q7.1 Étiquette retardée\u003cbr\u003e Q7.2 Apprendre sans étiquettes\u003cbr\u003e Modèle de tarification Q7.3\u003cbr\u003e\u003cbr\u003e Annexe A Modèles génératifs : des modèles de canaux bruités aux LLM\u003cbr\u003e A.1 Traduction automatique (TA)\u003cbr\u003e A.2 Reconnaissance vocale automatique (ASR)\u003cbr\u003e A.3 Convergence vers les transformateurs \u003cbr\u003eA.4 Mise au point pour les défis du monde réel\u003cbr\u003e\u003cbr\u003e Références\u003cbr\u003e Recherche\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate4438\/MidCate007\/443766391.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eUn recruteur chevronné ayant travaillé chez Amazon, Twitter et dans des startups spécialisées en intelligence artificielle.\u003cbr\u003e Conseils d'un ingénieur en apprentissage automatique pour réussir un entretien d'embauche dans ce domaine\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Les candidats qui se présentent aux entretiens d'embauche en apprentissage automatique auront probablement de nombreuses préoccupations, telles que les compétences à développer, les sujets à privilégier et les éléments à prendre en compte pour répondre aux questions.\u003cbr\u003e Ce livre offre un aperçu complet des compétences nécessaires pour travailler dans le domaine de l'apprentissage automatique, ainsi que des stratégies de résolution de problèmes robustes et pratiques, des annexes et des documents de référence reflétant les technologies les plus récentes.\u003cbr\u003e\u003cbr\u003e Premièrement, les connaissances pratiques essentielles en matière de flux de travail requises pour travailler dans le domaine de l'apprentissage automatique.\u003cbr\u003e Contient 194 questions fréquemment posées lors d'entretiens d'embauche en apprentissage automatique dans de grandes entreprises technologiques, y compris les GAFA.\u003cbr\u003e Il se compose de questions concises et de réponses claires, basées sur des mots-clés, ce qui le rend utile pour organiser le contenu avant l'entretien. \u003cbr\u003ePour faciliter la compréhension, nous avons ajouté de nombreuses notes de bas de page aux concepts difficiles ou aux expressions ambiguës.\u003cbr\u003e\u003cbr\u003e Deuxièmement, des instructions étape par étape pour se préparer aux problèmes de base et avancés.\u003cbr\u003e Il se compose de cinq sessions d'entretien (Bases du ML - Codage ML - Conception de systèmes ML - Conception d'infrastructures ML - Problèmes ML avancés), ce qui facilite la recherche de contenu en fonction du poste pour lequel vous postulez, du niveau de difficulté et des besoins.\u003cbr\u003e\u003cbr\u003e Troisièmement, une stratégie pour construire une réponse percutante centrée sur des mots-clés essentiels.\u003cbr\u003e Nous présenterons des stratégies de structuration des réponses pour obtenir de bons résultats aux entretiens d'embauche en apprentissage automatique, notamment l'extraction des mots-clés clés de la question, la comparaison de différentes approches et la discussion des avantages, des inconvénients et des compromis.\u003cbr\u003e\u003cbr\u003e Quatrièmement, une approche pratique de résolution de problèmes basée sur des scénarios réels.\u003cbr\u003e Couvrant des concepts et des scénarios pratiques tout au long du cycle de vie du ML, il aide à la fois les demandeurs d'emploi se préparant à des entretiens et les praticiens expérimentés à consolider leurs connaissances fondamentales.\u003cbr\u003e \u003cbr\u003e\u003cb\u003eLes lecteurs qui ont besoin de ce livre\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Les personnes en recherche d'emploi souhaitant faire carrière dans le domaine de l'apprentissage automatique\u003cbr\u003e - Les professionnels qui souhaitent accroître leur compétitivité dans le domaine du ML \u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate d'émission :\u003c\/strong\u003e 15 mars 2024\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 332 pages | 776 g | 183 × 235 × 19 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791169212120\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 1169212123 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893771010090,"sku":"110318","price":37.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/dd3a28997bd571372ed26d6330a913af.jpg?v=1765415925","url":"https:\/\/librairie.coreenne.fr\/products\/110318","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}