Machine Learning Interviews

机器学习技术采访？

该回购旨在作为准备机器学习（AI）工程采访的指南，以在大型科技公司（尤其是FAANG）的相关角色。它根据作者的个人经验和他自己的面试准备的笔记进行了编译，当时他收到了Meta（ML专家），Google（ML工程师），亚马逊（应用科学家），Apple（Applied Scientist）和Roku（ML工程师）的报价。

以下组件是不同公司技术ML角色最常用的访谈模块。我们将一一仔细研究它们，并分享一个人如何准备：

章	内容
第1章	一般编码（algos和数据结构）
第2章	ML编码
第3章	ML系统设计（2023年更新）
第4章	ML基本面/广度
第5章	行为

笔记：

• 当我将这些笔记放在一起时，不同公司的机器学习采访并不遵循与软件工程采访不同的独特结构。但是，我发现一些组件彼此非常相似，尽管在不同的命名下。

• 这里的指南主要集中在大公司的机器学习工程师（以及应用科学家）角色上。尽管“数据科学”或“ ML研究科学家”等相关角色在访谈中具有不同的结构，但此处审查的一些模块仍然有用。为了进一步了解ML雨伞中不同的技术角色，您可以参考[链接]

• 作为补充资源，您还可以参考我的生产水平深度学习存储库，以了解如何设计生产深度学习系统。

贡献

• 反馈和贡献非常欢迎？如果您想做出贡献，请在建议的更改中提出拉动请求）。