Machine Learning Interviews
1.0.0
Repo ini bertujuan untuk berfungsi sebagai panduan untuk mempersiapkan wawancara teknik pembelajaran mesin (AI) untuk peran yang relevan di perusahaan teknologi besar (khususnya FAANG). Ini telah dikompilasi berdasarkan pengalaman pribadi penulis dan catatan dari persiapan wawancara sendiri, ketika ia menerima penawaran dari Meta (spesialis ML), Google (ML Engineer), Amazon (Applied Scientist), Apple (Applied Scientist), dan Roku (ML Engineer).
Komponen berikut adalah modul wawancara yang paling umum digunakan untuk peran ML teknis di berbagai perusahaan. Kami akan melewati mereka satu per satu dan berbagi bagaimana seseorang dapat mempersiapkan:
| Bab | Isi |
|---|---|
| Bab 1 | Pengkodean Umum (Algo dan Struktur Data) |
| Bab 2 | ML Coding |
| Bab 3 | Desain Sistem ML (diperbarui pada tahun 2023) |
| Bab 4 | Fundamental ML/Luas |
| Bab 5 | Perilaku |
Catatan:
Pada saat itu saya menyusun catatan ini, wawancara pembelajaran mesin di perusahaan yang berbeda tidak mengikuti struktur yang unik tidak seperti wawancara rekayasa perangkat lunak. Namun, saya menemukan beberapa komponen yang sangat mirip satu sama lain, meskipun di bawah penamaan yang berbeda.
Panduan di sini sebagian besar berfokus pada peran insinyur pembelajaran mesin (dan ilmuwan terapan) di perusahaan besar. Meskipun peran yang relevan seperti "ilmu data" atau "ilmuwan riset ML" memiliki struktur yang berbeda dalam wawancara, beberapa modul yang ditinjau di sini masih dapat bermanfaat. Untuk lebih banyak pemahaman tentang berbagai peran teknis dalam payung ML Anda dapat merujuk ke [tautan]
Sebagai sumber daya tambahan, Anda juga dapat merujuk pada tingkat produksi saya repo pembelajaran mendalam untuk wawasan lebih lanjut tentang cara merancang sistem pembelajaran yang mendalam untuk produksi.
