Machine Learning Interviews
1.0.0
Ce repo vise à servir de guide pour se préparer aux entretiens d'ingénierie d'apprentissage automatique (IA) pour des rôles pertinents dans les grandes entreprises technologiques (en particulier FAang). Il a compilé en fonction de l'expérience personnelle de l'auteur et des notes de sa propre préparation d'entretien, lorsqu'il a reçu des offres de Meta (spécialiste ML), Google (ingénieur ML), Amazon (scientifique appliqué), Apple (scientifique appliqué) et Roku (ingénieur ML).
Les composants suivants sont les modules d'entrevue les plus couramment utilisés pour les rôles techniques ML dans différentes entreprises. Nous les traverserons un par un et partagerons comment on peut se préparer:
| Chapitre | Contenu |
|---|---|
| Chapitre 1 | Codage général (algos et structures de données) |
| Chapitre 2 | Codage ml |
| Chapitre 3 | Conception du système ML (mise à jour en 2023) |
| Chapitre 4 | ML Fondamentaux / Étendue |
| Chapitre 5 | Comportemental |
Notes:
À l'époque, je rassemble ces notes, les entretiens d'apprentissage automatique dans différentes entreprises ne suivent pas une structure unique contrairement aux entretiens en génie logiciel. Cependant, j'ai trouvé certains des composants très similaires les uns aux autres, bien que sous des noms différents.
Le guide ici est principalement axé sur les rôles d'ingénieur d'apprentissage automatique (et de scientifiques appliqués) dans les grandes entreprises. Bien que les rôles pertinents tels que la «science des données» ou le «chercheur de recherche» aient des structures différentes dans les entretiens, certains des modules examinés ici peuvent être toujours utiles. Pour plus de compréhension des différents rôles techniques dans ML Umbrella, vous pouvez vous référer à [Link]
En tant que ressource supplémentaire, vous pouvez également vous référer à mon référentiel en profondeur de production pour plus d'informations sur la façon de concevoir des systèmes d'apprentissage en profondeur pour la production.
