Machine Learning Interviews
1.0.0
Este repositorio tiene como objetivo servir como guía para prepararse para las entrevistas de ingeniería de aprendizaje automático (IA) para roles relevantes en grandes empresas tecnológicas (en particular Faang). Se ha compilado basado en la experiencia personal del autor y las notas de su propia preparación de la entrevista, cuando recibió ofertas de Meta (especialista en ML), Google (ML Ingeniero), Amazon (Científico Aplicado), Apple (Científico Applio) y Roku (Ingeniero ML).
Los siguientes componentes son los módulos de entrevista más utilizados para roles técnicos de ML en diferentes compañías. Los revisaremos uno por uno y compartiremos cómo se puede preparar:
| Capítulo | Contenido |
|---|---|
| Capítulo 1 | Codificación general (algos y estructuras de datos) |
| Capítulo 2 | Codificación de ML |
| Capítulo 3 | Diseño del sistema ML (actualizado en 2023) |
| Capítulo 4 | Ml Fundamentos/amplitud |
| Capítulo 5 | De comportamiento |
Notas:
En ese momento estoy juntando estas notas, las entrevistas de aprendizaje automático en diferentes compañías no siguen una estructura única a diferencia de las entrevistas de ingeniería de software. Sin embargo, encontré algunos de los componentes muy similares entre sí, aunque bajo diferentes nombres.
La guía aquí se centra principalmente en los roles de ingeniero de aprendizaje automático (y científico aplicado) en grandes empresas. Aunque los roles relevantes como la "ciencia de datos" o el "científico de la investigación de ML" tienen diferentes estructuras en las entrevistas, algunos de los módulos revisados aquí pueden ser aún útiles. Para obtener más comprensión sobre diferentes roles técnicos dentro de ML Umbrella, puede consultar [enlace]
Como recurso complementario, también puede consultar mi repositorio de aprendizaje profundo de nivel de producción para obtener más información sobre cómo diseñar sistemas de aprendizaje profundo para la producción.
