หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

การวิจัยการเรียนรู้ของเครื่องจักรและวิศวกรรม - แฟลชการ์ด

ภาพ

เหล่านี้เป็น 200+ แฟลชการ์ดที่ฉันทำเพื่อตรวจสอบทุกอย่างจากการวิจัย ML ปีเรียนและการศึกษาอิสระ การสร้างพวกเขาช่วยให้ฉันเตรียมพร้อมสำหรับการสัมภาษณ์วิศวกรการเรียนรู้ของเครื่องและสามารถรับข้อเสนอจากหลาย บริษัท ในปี 2022 (รวมถึง Google, Tesla, Samsung, Motional, Uipath และ Tiktok) หวังว่าคนอื่นจะได้รับประโยชน์จากพวกเขาเช่นกัน!

PDFs ใน repo นี้ส่วนใหญ่เพื่อความสะดวก ตรวจสอบลิงก์สไลด์การนำเสนอเหล่านี้สำหรับรุ่นที่ทันสมัยที่สุดและมีการตอบคำถามและแอนิเมชั่น พร้อมลิงก์เพิ่มเติมในหมายเหตุลำโพง:

  • 1 สไลด์วิทยาการคอมพิวเตอร์
  • 2 เครื่องเรียนรู้สไลด์ทั่วไป
  • 3 พื้นฐานสำหรับการมองเห็นคอมพิวเตอร์และสไลด์การเรียนรู้อย่างลึกซึ้ง
  • 4 หัวข้อที่เลือกในคอมพิวเตอร์วิสัยทัศน์และสไลด์การเรียนรู้ลึก

คำถามนั้นมีพื้นฐานมาจากการสัมภาษณ์ ML ของ Chip Huyen อย่างหลวม ๆ อย่างไรก็ตามสไลด์บางตัวอาจเป็นเทคนิคหรือวิชาการมากเกินไปและไม่เกี่ยวข้องกับวิศวกร สไลด์ที่สำคัญที่สุด (ในความคิดของฉัน) ถูกทำเครื่องหมายด้วยดาวที่มุมซ้ายล่าง

คำเตือน: สไลด์เหล่านี้ไม่มีคำถามสัมภาษณ์เฉพาะจาก บริษัท ใด ๆ จริง ๆ แล้วฉันทำเสร็จก่อนที่ฉันจะสัมภาษณ์ทุกที่เพื่อเป็นแบบฝึกหัดทางวิชาการสำหรับตัวเอง แฟลชการ์ดครอบคลุมหัวข้อพื้นฐานต่าง ๆ และน่าจะเป็นรากฐานที่ดีสำหรับความรู้ที่กว้างขวางในสาขาของ CS และ ML

ขอบเขตและผู้ชมที่ตั้งใจไว้

สิ่งนี้ครอบคลุมวิทยาศาสตร์คอมพิวเตอร์การเรียนรู้ของเครื่องคลาสสิกและการเรียนรู้ลึกที่ทันสมัยโดยเน้นการมองเห็นคอมพิวเตอร์ โดยทั่วไปจะถือว่าเป็นรากฐานที่ดีในหัวข้อเหล่านี้และมีการใช้คำศัพท์ทางเทคนิคจำนวนมาก ฉันคิดว่าวิธีการอาจแตกต่างกันไปขึ้นอยู่กับประสบการณ์ปัจจุบันของคุณ:

  • มี รากฐานที่ดีใน ML : คุณสามารถใช้พวกเขา ในการตรวจสอบ และเติมช่องว่างความรู้ที่ขาดหายไป

  • ใหม่กว่า To ML สิ่งนี้อาจให้ภาพรวมที่ดีของสิ่งที่อยู่ที่นั่นและฉันขอแนะนำ ให้อ้างถึงวัสดุอื่น ๆ ที่มุ่งเน้นการศึกษา และการเรียนรู้ (ดู "ลิงก์เพิ่มเติม" ด้านล่าง)

การบริจาค

เนื่องจากช่องว่างในความเข้าใจของฉันและเนื่องจากสนามมีการเปลี่ยนแปลงอยู่ตลอดเวลาจึงไม่ได้หมายถึงทรัพยากรที่ชัดเจน อาจมีข้อผิดพลาดในสไลด์เหล่านี้หรือสิ่งที่ฉันพลาดไป ถ้าเป็นเช่นนั้นอย่าลังเลที่จะโพสต์เป็นปัญหาใน GitHub

โปรดทำเครื่องหมายสไลด์ที่เป็นปัญหาเพื่อให้ผู้อื่นสามารถค้นหาได้อย่างง่ายดายเช่นหากคุณต้องการหารือเกี่ยวกับการเรียนรู้ของเครื่องทั่วไปสไลด์ 14 เพิ่ม [2.14] ลงในชื่อ

ลิงค์และทรัพยากรเพิ่มเติม

  • ทรัพยากรที่มีประโยชน์ที่สุดที่ฉันพบเพื่อเรียนรู้เกี่ยวกับกระบวนการสัมภาษณ์ MLE แบบองค์รวมแบบองค์รวม
    • https://huyenchip.com/ml-interviews-book/
  • วัสดุหลักสูตรที่มีประโยชน์สำหรับ ML จาก Stanford และ UC Berkeley
    • http://cs231n.stanford.edu/
    • https://fullstackdeeplearning.com/spring2021/
  • ทรัพยากรสำหรับส่วนการเขียนโปรแกรม
    • https://www.crackingtheCodingInterview.com/
    • https://leetcode.com/
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด