Machine Learning Interviews
1.0.0
Este repositório visa servir como um guia para se preparar para as entrevistas de engenharia de aprendizado de máquina (IA) para funções relevantes em grandes empresas de tecnologia (em particular a FAANG). Ele compilou com base na experiência pessoal e notas do autor de sua própria preparação para entrevistas, quando ele recebeu ofertas da Meta (ML Specialist), Google (ML Engineer), Amazon (Scientist Applied), Apple (Scientist Applied) e Roku (ML Engineer).
Os componentes a seguir são os módulos de entrevistas mais usados para papéis técnicos de ML em diferentes empresas. Vamos passar por eles um por um e compartilharmos como se pode preparar:
| Capítulo | Contente |
|---|---|
| Capítulo 1 | Codificação geral (Algos e estruturas de dados) |
| Capítulo 2 | Codificação ML |
| Capítulo 3 | Design do sistema ML (atualizado em 2023) |
| Capítulo 4 | ML Fundamentos/largura |
| Capítulo 5 | Comportamental |
Notas:
Na época em que estou juntando essas notas, as entrevistas de aprendizado de máquina em diferentes empresas não seguem uma estrutura única, diferentemente das entrevistas de engenharia de software. No entanto, achei alguns dos componentes muito semelhantes um ao outro, embora sob nomeação diferente.
O guia aqui está focado principalmente em funções de engenheiro de aprendizado de máquina (e cientista aplicado) em grandes empresas. Embora funções relevantes como "Ciência de Dados" ou "Cientista de Pesquisa de ML" tenham estruturas diferentes em entrevistas, alguns dos módulos revisados aqui ainda podem ser úteis. Para obter mais compreensão sobre diferentes papéis técnicos no ML Umbrella, você pode se referir a [link]
Como recurso suplementar, você também pode se referir ao meu nível de aprendizado profundo de produção para obter informações adicionais sobre como projetar sistemas de aprendizado profundo para produção.
