Machine Learning Interviews
1.0.0
Dieses Repo soll als Leitfaden für die Vorbereitung auf das maschinelle Lernen (KI) technische Interviews für relevante Rollen bei Big Tech -Unternehmen (insbesondere FAang) dienen. Es wurde basierend auf der persönlichen Erfahrung des Autors und den Anmerkungen aus seiner eigenen Interviewvorbereitung zusammengestellt, als er Angebote von Meta (ML Specialist), Google (ML Engineer), Amazon (angewandter Wissenschaftler), Apple (Applied Scientist) und Roku (ML Engineer) erhielt.
Die folgenden Komponenten sind die am häufigsten verwendeten Interviewmodule für technische ML -Rollen bei verschiedenen Unternehmen. Wir werden sie einzeln durchlaufen und teilen, wie man sich vorbereiten kann:
| Kapitel | Inhalt |
|---|---|
| Kapitel 1 | Allgemeine Codierung (Algen und Datenstrukturen) |
| Kapitel 2 | ML -Codierung |
| Kapitel 3 | ML -Systemdesign (aktualisiert im Jahr 2023) |
| Kapitel 4 | ML Fundamentals/Breite |
| Kapitel 5 | Verhalten |
Anmerkungen:
Als ich diese Notizen zusammenstellte, folgen Interviews für maschinelles Lernen in verschiedenen Unternehmen nicht einer einzigartigen Struktur im Gegensatz zu Software -Engineering -Interviews. Ich fand jedoch einige der Komponenten, die einander sehr ähnlich sind, obwohl sie unter unterschiedlichen Benennungen.
Der Leitfaden hier konzentriert sich hauptsächlich auf Rollen des maschinellen Lernens (und angewandten Wissenschaftler) bei großen Unternehmen. Obwohl relevante Rollen wie "Data Science" oder "ML -Forschungswissenschaftler" in Interviews unterschiedliche Strukturen haben, können einige der hier überprüften Module immer noch nützlich sein. Weitere Verständnis für verschiedene technische Rollen im ML -Regenschirm finden Sie in [Link]
Als ergänzende Ressource können Sie auch auf mein Produktionsniveau Deep Learning Repo verweisen, um weitere Einblicke in die Gestaltung von Deep -Learning -Systemen für die Produktion zu entwerfen.
