提升程式設計師的面試力：189道面試題目與解答 (6版)

類似書籍推薦給您

提升程式設計師的面試力：189道面試題目與解答 第六版 修訂版 系列名：程式設計 ISBN13：9789865025526 出版社：碁峰資訊 作者：Gayle Laakmann McDowell 譯者：張靜雯 裝訂／頁數：平裝／904頁 規格：23cm*17cm (高/寬) 出版日：2021/01/20 中國圖書分類：職業問題 內容簡介 Amazon.com面試參考書排行榜第一名 　　我並不是一個招聘人員，我是一個軟體工程師，所以我知道當場被要求提出出色的演算法，然後在白板上寫出完美的程式碼是一種什麼樣的感覺。我經歷過，應徵者與面試官兩者都有。 　　這本書將幫助你準備這個過程，告訴你必須知道的事情以達成最佳表現。我訓練與面試過數百個軟體工程師，然後有了這本書。 　　本書內容包括學習如何找到題目中的提示與隱藏的細節，如何將問題拆解成可以處理的子問題，遇到難題時的脫困技巧，(重新)學習計算機核心概念，並且練習189個面試問題以及解決方案。 　　題庫來自真正的面試，並非摘自教科書。這些問題是頂尖公司會出的題目，你可以藉此做好充分準備。 　　本書包含： 　　‧189道面試題，從最基礎到最難解決的演算法問題 　　‧循序漸進推導出解決方案，學習如何解決問題 　　‧每一道題目都有提示，模擬真正的面試過程 　　‧五種演算法解題策略讓你解決沒遇過的問題 　　‧涵蓋各種基本題型，例如big O時間、資料結構與演算法 　　‧“幕後故事”說明Google與Facebook等公司如何僱用開發者 　　‧準備和應對面試中的“軟”技巧：行為態度問題 　　‧面試官與公司派讀者：如何設計好的面試題目與聘僱流程 目錄 序 I 面試流程 II 幕後故事 III 特殊狀況 IV 面試前 V 行為題目 VI Big O VII 技術題目 VIII 薪資與福利 IX 面試題目 　chapter 01 陣列與字串 　chapter 02 鏈接清單 　chapter 03 堆疊與佇列 　chapter 04 樹與圖 　chapter 05 位元運算 　chapter 06 數學與邏輯謎題 　chapter 07 物件導向設計 　chapter 08 遞廻與動態規劃 　chapter 09 系統設計與可擴展性 　chapter 10 排序與搜尋 　chapter 11 測試 　chapter 12 C 與 C++ 　chapter 13 Java 　chapter 14 資料庫 　chapter 15 執行緒與鎖 　chapter 16 中級題目 　chapter 17 困難題目 X 解答 XI 進階題目 XII 函式庫 XIII 提示 　資料結構提示 　概念與演算法提示 　知識問題提示 　額外審核問題提示 XIV 關於作者

培養刷題基本功｜Python程式設計師的頭腦體操

類似書籍推薦給您

內容簡介 　　用輕鬆愉快的心情學習程式設計與演算法！ 　　．從零開始了解Python的程式設計與演算法 　　．邊開發遊戲，邊了解程式設計與演算法的基礎 　　．一邊解謎，一邊累積寫出實用程式的功力 　　．可以利用雲端上的Google Colaboratory開發環境立刻開始學習 　　．謎題的解答除了Python，還有JavaScript與Ruby版的程式碼 目錄 PART 1 透過井字棋學習程式設計的基本知識 PART 2 撰寫迷宮遊戲必備的演算法基礎知識 PART 3 一邊解題，一邊改造程式碼

寫給程式設計師的深度學習｜使用 fastai 和 PyTorch (Deep Learning for Coders with fastai and PyTorch) 2021 <O`REILLY>

類似書籍推薦給您

寫給程式設計師的深度學習：使用fastai和PyTorch ISBN13：9789865027360 出版社：美商歐萊禮 作者：Jeremy Howard; Sylvain Gugger 譯者：賴屹民 裝訂／頁數：平裝／640頁 規格：23cm*17cm*3cm (高/寬/厚) 出版日：2021/03/17 中國圖書分類：特殊電腦方法 內容簡介 建構AI應用程式，您不必拿PhD 　　深度學習通常被視為數學博士和大型科技公司的獨門秘術，然而，正如這本指南所言，如果你已經會寫Python，那麼你只要稍微了解數學、取得少量的資料，就可以用最精簡的程式，寫出令人印象深刻的深度學習作品。怎麼做？使用fastai！它是史上第一個以一致的介面來讓你使用最常見的深度學習應用的程式庫。 　　本書作者Jeremy Howard與Sylvain Gugger是fastai的創作者，他們將告訴你如何使用fastai和PyTorch訓練各種任務的模型，並帶領你逐步研究深度學習理論，以充分了解藏身幕後的演算法。 　　‧訓練電腦視覺、自然語言處理、表格式資料和聯合過濾等任務的模型 　　‧學習在實務上最重要且最新的深度學習技術 　　‧釐清深度學習模型如何運作，改善準確度、速度與可靠度 　　‧了解如何將模型轉換成web應用程式 　　‧從零開始實作深度學習演算法 　　‧思考作品的道德意義 　　‧從PyTorch的聯合創始人Soumith Chintala的前言獲得真知灼見 好評推薦 　　「這是程式員精通深度學習的最佳資源之一。」 —Peter Norvig，Google研究總監 　　「本書透過實際的操作，以簡單且實用的方法揭開深度學習的神秘面紗。」 —Curtis Langlotz，史丹佛大學醫學及成像人工智慧中心主任 目錄 第一部分 深度學習實務 第一章 你的深度學習旅程 第二章 從模型到生產 第三章 資料倫理 第二部分 了解 fastai 的應用 第四章 在引擎蓋下：訓練數字分類模型 第五章 圖像分類 第六章 其他的電腦視覺問題 第七章 訓練先進模型 第八章 協同過濾 第九章 表格模型 第十章 NLP：RNN 第十一章 使用 fastai 的中層API 來處理資料 第三部分 深度學習基礎 第十二章 從零開始製作語言模型 第十三章 摺積神經網路 第十四章 ResNets 第十五章 應用架構 第十六章 訓練程序 第四部分 從零開始深度學習 第十七章 神經網路基礎 第十八章 用 CAM 來做 CNN 解釋 第十九章 從零開始打造 fastai Learner 第二十章 思想總結 附錄A 建立部落格 附錄B 資料專案檢查表