Machine Learning Interviews

機械学習技術インタビュー？

このレポは、大手テック企業（特にFAANG）で関連する役割のための機械学習（AI）エンジニアリングインタビューを準備するためのガイドとして機能することを目的としています。メタ（MLスペシャリスト）、Google（MLエンジニア）、Amazon（Applied Scientist）、Apple（Applied Scientist）、およびRoku（ML Engineer）からオファーを受け取ったとき、著者の個人的な経験と彼自身のインタビューの準備からのメモに基づいてまとめました。

次のコンポーネントは、さまざまな企業での技術的なML役に最も一般的に使用されるインタビューモジュールです。私たちはそれらを1つずつ通過し、どのように準備できるかを共有します。

章	コンテンツ
第1章	一般的なコーディング（アルゴとデータ構造）
第2章	MLコーディング
第3章	MLシステム設計（2023年に更新）
第4章	MLの基礎/幅
第5章	行動

注：

• これらのメモをまとめたとき、さまざまな企業での機械学習インタビューは、ソフトウェアエンジニアリングのインタビューとは異なり、独自の構造に従うことはありません。ただし、命名下にあるものの、一部のコンポーネントは互いに非常に似ていることがわかりました。

• ここのガイドは、主に大企業の機械学習エンジニア（および応用科学者）の役割に焦点を当てています。 「データサイエンス」や「ML Research Scientist」などの関連する役割は、インタビューで異なる構造を持っていますが、ここでレビューされたモジュールの一部は依然として役立ちます。 ml傘内のさまざまな技術的役割についての詳細については、[リンク]を参照できます。

• 補足リソースとして、私の生産レベルのディープラーニングレポを参照して、生産用のディープラーニングシステムを設計する方法に関するさらなる洞察を参照することもできます。

貢献

• フィードバックと貢献は大歓迎ですか？貢献したい場合は、提案された変更でプルリクエストをお願いします）。