MLE Flashcards
1.0.0
これらは、MLの長年の研究、クラス、独立した研究のすべてをレビューするために私が作った200以上のフラッシュカードです。それらを作成するには、機械学習エンジニアのインタビューの準備に役立ち、2022年にいくつかの企業（Google、Tesla、Samsung、Motional、Uipath、Tiktokを含む）からオファーを入手することができました。うまくいけば、他の人も彼らから利益を得ることができます！
このリポジトリのPDFは、主に便利なものです。これらのプレゼンテーションスライドリンクは、最新のものとアニメーション化されたQ＆Aバージョンのために、スピーカーノートに追加のリンクがあります。
質問は、チップHuyenのMLインタビューに本の質問に大まかに基づいています。ただし、一部のスライドは過度に技術的または学術的であり、エンジニアには関係ありません。最も重要なスライド（私の意見では）には、左下隅に星が付いています。
免責事項：これらのスライドには、どの企業からの特定のインタビューの質問も含まれていません。私は実際に、どこでもインタビューする前に、自分のための学術演習として完了しました。フラッシュカードはさまざまな基本的なトピックをカバーしており、CSとMLの分野で幅広い知識の優れた基盤として機能する可能性があります。
これは、コンピュータービジョンに重点を置いて、コンピューターサイエンス、古典的な機械学習、および現代の深い学習をカバーしています。一般に、これらのトピックの優れた基盤を想定しており、多くの技術用語が使用されています。現在の経験によっては、アプローチは異なるかもしれません。
すでにMLに良い基盤を持っています：あなたはおそらくそれらを使用して、欠落している知識のギャップを確認して記入することができます
MLに新しくなった場合、これはそこにあるものの適切な概要を提供する可能性があります。また、教育と学習に焦点を当てた他の資料を参照することをお勧めします（以下の「追加リンク」を参照）
私の理解のギャップのため、そしてフィールドが絶えず変化しているため、これは決定的なリソースであることを意図したものではありません。これらのスライドにはエラー、または私が見逃したものがあるかもしれません。もしそうなら、GitHubで問題として投稿をお気軽にお勧めします。
問題のスライドをマークして、他の人が簡単に見つけることができるようにしてください。たとえば、機械学習の一般的なスライド14について話し合いたい場合は、[2.14]をタイトルに追加します。
