MLE Flashcards
1.0.0
Ce sont plus de 200 flashcards que j'ai faits pour passer en revue de mes années de recherche ML, de cours et d'étude indépendante. Les créer m'a aidé à me préparer aux entretiens d'ingénieurs d'apprentissage automatique et a pu obtenir des offres de plusieurs sociétés en 2022 (dont Google, Tesla, Samsung, Motional, Uipath et Tiktok). Espérons que d'autres personnes pourront également en bénéficier!
Les PDF de ce dépôt sont principalement destinés à la commodité. Consultez ces liens de diapositive de présentation pour les versions les plus récentes et les questions de questions-réponses animées , avec des liens supplémentaires dans les notes du haut-parleur:
Les questions sont largement basées sur les questions du livre des interviews de Chip Huyen. Cependant, certaines diapositives peuvent être trop techniques ou académiques et non pertinentes pour les ingénieurs. Les diapositives les plus importantes (à mon avis) sont marquées d'une étoile dans le coin inférieur gauche.
Avis de non-responsabilité: Ces diapositives ne contiennent aucune question d'entrevue spécifique d'aucune entreprise. En fait, je les ai terminés avant d'interviewer n'importe où, comme exercice académique pour moi. Les flashcards couvrent divers sujets fondamentaux et serviraient probablement de bon fondement à une large connaissance dans les domaines de CS et ML.
Cela couvre l'informatique, l'apprentissage automatique classique et l'apprentissage en profondeur moderne en mettant l'accent sur la vision informatique. Il suppose généralement une bonne base dans ces sujets, et une grande partie de la terminologie technique est utilisée. Je pense que l'approche pourrait être différente en fonction de votre expérience actuelle:
J'ai déjà une bonne base dans ML : vous pouvez probablement les utiliser tel quel pour revoir et combler les lacunes de connaissances manquantes
Plus récent à ML , cela peut fournir un bon aperçu de ce qui existe, et je suggère également de se référer à d'autres documents axés sur l'éducation et l'apprentissage (voir "Liens supplémentaires" ci-dessous)
En raison des lacunes dans ma compréhension, et parce que le domaine change constamment, ce n'est pas censé être une ressource définitive. Il peut y avoir des erreurs dans ces diapositives ou des choses que j'ai manquées. Si c'est le cas, n'hésitez pas à faire un message en tant que problème dans GitHub.
Veuillez marquer la diapositive en question afin que d'autres puissent le trouver facilement, par exemple si vous souhaitez discuter de l'apprentissage automatique Slide 14, ajoutez [2.14] au titre.
