MLE Flashcards
1.0.0
Estas son más de 200 tarjetas que hice para revisar todo, desde mis años de investigación de ML, clases y estudio independiente. Crearlos me ayudó a prepararme para las entrevistas de ingenieros de aprendizaje automático y pudo obtener ofertas de varias compañías en 2022 (incluidas Google, Tesla, Samsung, Motional, Uipath y Tiktok). ¡Esperemos que otras personas también puedan beneficiarse de ellas!
Los PDF en este repositorio son principalmente por conveniencia. Consulte estos enlaces de diapositivas de presentación para ver las versiones más actualizadas y de preguntas y respuestas animadas , con enlaces adicionales en las notas del altavoz:
Las preguntas se basan libremente en las preguntas de libros de ML de Chip Huyen. Sin embargo, algunas diapositivas pueden ser demasiado técnicas o académicas, y no relevantes para los ingenieros. Las diapositivas más importantes (en mi opinión) están marcadas con una estrella en la esquina inferior izquierda.
Descargo de responsabilidad: estas diapositivas no contienen ninguna pregunta de entrevista específica de ninguna empresa. De hecho, los completé antes de entrevistar en cualquier lugar, como un ejercicio académico para mí. Las Flashcards cubren varios temas fundamentales y probablemente servirían como una buena base para un amplio conocimiento en los campos de CS y ML.
Esto cubre la informática, el aprendizaje automático clásico y el aprendizaje profundo moderno con énfasis en la visión por computadora. En general, asume una buena base en estos temas, y se utiliza mucha terminología técnica. Creo que el enfoque podría ser diferente dependiendo de su experiencia actual:
Ya tienes una buena base en ML : probablemente puedas usarlos tal cual sea para revisar y completar cualquier vacío de conocimiento faltante
Más nuevo para ML , esto puede proporcionar una buena visión general de lo que hay, y sugeriría que también se refieran a otros materiales centrados en la educación y el aprendizaje (ver "enlaces adicionales" a continuación)
Debido a las brechas en mi comprensión, y debido a que el campo cambia constantemente, esto no debe ser un recurso definitivo. Puede haber errores en estas diapositivas, o cosas que me he perdido. Si es así, siéntase libre de hacer una publicación como un problema en Github.
Marque la diapositiva en cuestión para que otros puedan encontrarla fácilmente, por ejemplo, si desea discutir el aprendizaje automático General Slide 14, agregue [2.14] al título.
