Machine Learning Interviews
1.0.0
يهدف هذا الريبو إلى العمل كدليل للتحضير للتعلم الآلي (AI) المقابلات الهندسية للأدوار ذات الصلة في شركات التكنولوجيا الكبرى (ولا سيما FAang). لقد تم تجميعها بناءً على تجربة المؤلف الشخصية وملاحظات من إعداد المقابلة الخاصة به ، عندما تلقى عروضًا من Meta (ML Security) و Google (ML Engineer) و Amazon (Applied Scientist) و Apple (Applied Scientist) و Roku (ML Engineer).
المكونات التالية هي وحدات المقابلة الأكثر استخدامًا لأدوار ML الفنية في الشركات المختلفة. سنذهب من خلالهم واحدًا تلو الآخر ونشارك كيف يمكن للمرء أن يستعد:
| الفصل | محتوى |
|---|---|
| الفصل 1 | الترميز العام (الطحالب وهياكل البيانات) |
| الفصل 2 | ML الترميز |
| الفصل 3 | تصميم نظام ML (تم تحديثه في عام 2023) |
| الفصل 4 | ML أساسيات/اتساع |
| الفصل 5 | السلوكية |
ملحوظات:
في الوقت الذي أقوم فيه بتجميع هذه الملاحظات ، لا تتبع مقابلات التعلم الآلي في شركات مختلفة هيكلًا فريدًا على عكس مقابلات هندسة البرمجيات. ومع ذلك ، وجدت بعض المكونات مماثلة جدا لبعض المكونات ، وإن كان تحت تسمية مختلفة.
يركز الدليل هنا في الغالب على أدوار مهندس التعلم الآلي (والعلماء التطبيقي) في الشركات الكبرى. على الرغم من أن الأدوار ذات الصلة مثل "علم البيانات" أو "ML Research Scientist" لها هياكل مختلفة في المقابلات ، إلا أن بعض الوحدات التي تمت مراجعتها هنا يمكن أن تكون مفيدة. لمزيد من الفهم حول الأدوار الفنية المختلفة في مظلة ML ، يمكنك الرجوع إلى [الرابط]
كمورد تكميلي ، يمكنك أيضًا الرجوع إلى مستوى التعلم العميق على مستوى الإنتاج لمزيد من الأفكار حول كيفية تصميم أنظمة التعلم العميق للإنتاج.
