Machine Learning Interviews
1.0.0
이 repo는 대기업 (특히 Faang)의 관련 역할에 대한 기계 학습 (AI) 엔지니어링 인터뷰를위한 안내서 역할을합니다. Meta (ML Specialist), Google (ML Engineer), Amazon (Applied Scientist), Apple (Applied Scientist) 및 Roku (ML 엔지니어)로부터 제안을 받았을 때 자신의 인터뷰 준비로 저자의 개인적인 경험과 메모를 기반으로 편집했습니다.
다음 구성 요소는 다른 회사의 기술 ML 역할에 가장 일반적으로 사용되는 인터뷰 모듈입니다. 우리는 그들을 하나씩 겪고 어떻게 준비 할 수 있는지 공유 할 것입니다.
| 장 | 콘텐츠 |
|---|---|
| 1 장 | 일반 코딩 (Algos 및 데이터 구조) |
| 2 장 | ML 코딩 |
| 3 장 | ML 시스템 설계 (2023 년 업데이트) |
| 4 장 | ML 기초/폭 |
| 5 장 | 행동 적 |
참고 :
이 메모를 종합 할 때, 다른 회사의 기계 학습 인터뷰는 소프트웨어 엔지니어링 인터뷰와 달리 고유 한 구조를 따르지 않습니다. 그러나 다른 구성 요소 중 일부는 서로 다른 이름을 발견했지만 서로 매우 유사하다는 것을 알았습니다.
여기의 안내서는 대부분 대기업의 기계 학습 엔지니어 (및 응용 과학자) 역할에 중점을 둡니다. "데이터 과학"또는 "ML 리서치 과학자"와 같은 관련 역할은 인터뷰에서 다른 구조를 가지고 있지만 여기에서 검토 된 일부 모듈은 여전히 유용 할 수 있습니다. ML 우산 내 다양한 기술적 역할에 대한 자세한 내용은 [링크]를 참조하십시오.
보충 자원으로서, 생산 수준의 딥 러닝 리포를 참조하여 생산을위한 딥 러닝 시스템을 설계하는 방법에 대한 추가 통찰력을 얻을 수 있습니다.
