ml-interviews-book - https://huyenchip.com/ml-interviews-book/
机器学习面试介绍书
你可以在此处阅读本书的网络友好版本。你可以在GitHub 上找到源代码。讨论书中问题答案的 Discord 在这里。
作为候选人，我面试过十几家大公司和初创公司。我收到了谷歌、NVIDIA、Snap、Netflix、Primer AI 和 Snorkel AI 等公司的机器学习职位的招聘启事。我也被很多其他公司拒绝过。
作为一名面试官，我参与了 NVIDIA 和 Snorkel AI 的招聘流程的设计和执行，从冷酷地向我喜欢的工作的候选人发送电子邮件、筛选简历、进行探索性和技术性面试、辩论是否要雇用一个候选人，想说服候选人选择我们而不是有竞争力的报价。
作为朋友和老师，我帮助很多朋友和学生准备他们在大公司和初创公司的机器学习面试。我给他们模拟面试，并记录他们经历的过程以及他们被问到的问题。
我还咨询了几家初创公司，了解他们的机器学习招聘渠道。当你还没有强大的内部机器学习团队和流程来帮助你评估候选人时，招聘机器学习角色变得非常困难。由于机器学习在行业中的应用还很新，许多公司仍在不断地弥补，这对候选人来说并不容易。
这本书是坐在桌子两边的许多人的集体智慧的结晶，他们花了很多时间思考招聘过程。它是为候选人而写的，但看过早期草稿的招聘经理告诉我，他们发现了解其他公司的招聘方式并重新思考自己的流程很有帮助。
本书由两部分组成。第一部分概述了机器学习面试过程，有哪些类型的机器学习角色，每个角色需要什么技能，经常问哪些类型的问题，以及如何准备这些问题。这部分还解释了面试官的心态以及他们寻找什么样的信号。
第二部分包含 200 多个知识问题，每个问题都有其难度级别——更高职位的面试应该期待更难的问题——涵盖机器学习中的重要概念和常见误解。
读完本书后，你可能需要查看30 个开放式问题，以测试你将所知道的知识组合起来解决实际挑战的能力。这些问题测试你解决问题的能力以及你在实施和部署机器学习模型方面的经验程度。一些公司称它们为机器学习系统设计问题。几乎所有与我交谈过的公司在面试过程中都至少问过这样一个问题，而这些问题往往是求职者最难的。
“机器学习系统设计”是一个复杂的话题，值得一书。要了解更多信息，请查看我的课程CS 329S：斯坦福大学的机器学习系统设计。
这本书不是机器学习教科书的替代品，也不是游戏面试的捷径。它是一个工具，可以巩固你现有的机器学习理论和实践知识。本书中的问题还可以帮助识别你的盲点/弱点。每个主题都附有资源，可以帮助你加强对该主题的理解。
这本书是Chip Huyen在好朋友的帮助下创作的。如需反馈、勘误和建议，请点击此处联系作者。版权所有 ©2021 Chip Huyen。
