machine-learning-interview-enlightener - このリポジトリは、機械学習/AI 技術インタビューのガイドとして機能することを目的としています。

(This repo is meant to serve as a guide for Machine Learning/AI technical interviews. )

Created at: 2021-01-31 11:52:09
Language: Jupyter Notebook
License: MIT

機械学習テクニカルインタビューガイド(FAANG企業) 🤖

このリポジトリは、大手テクノロジー企業(特にFAANG)での役割に関する機械学習(AI)エンジニアの面接の準備のためのガイドとして機能することを目的としています。著者の個人的な経験と、Facebook(MLスペシャリスト)、Google(MLエンジニア)、Amazon(応用科学者)、Apple(応用科学者)、Rokuからオファーを受けた2020年の彼自身のインタビュー準備からのメモに基づいて編集されました。

筆記:

  • 私がこれらのメモをまとめている時点では、さまざまな企業での機械学習の面接は、ソフトウェアエンジニアリングの面接とは異なり、独自の構造に従っていません。ただし、名前が異なる場合がありますが、いくつか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。

  • このガイドは、主に大企業で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リサーチサイエンティスト」などの関連する役割は、インタビューでは異なる構造を持っていますが、ここでレビューするモジュールのいくつかは依然として役立つ場合があります。ML傘内のさまざまな技術的役割の詳細については、[リンク]を参照してください。

  • 補足リソースとして、運用レベルのディープ ラーニング リポジトリを参照して、運用環境のディープ ラーニングシステムを設計する方法に関する詳細な分析情報を得ることもできます。

次のコンポーネントは、さまざまな企業でテクニカル ML ロール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。それらを1つずつ確認し、準備方法を共有します。

1 一般的なコーディング (アルゴとデータ構造)
2 ML/データコーディング
3 ML システム設計
4 ML の深さ
5 ML の幅
6 行動

寄付

  • フィードバックと貢献は大歓迎😊です貢献したい場合は、提案された変更をプルリクエストしてください)。