我在一家远程初创公司担任首席机器学习工程师时，进行了多次机器学习面试，也以候选人身份参加了一些面试。

如果你想成为一名机器学习工程师，可以跟随 @chipro 推荐的这些资源。

整体面试准备： https://huyenchip.com/ml-interviews-book/…

建议必读同一位作者撰写的两本书，内容涵盖经典机器学习和生成式AI的基础知识。

根据我的经验：

• 深入准备机器学习系统设计
• 掌握数组、字符串、双指针、滑动窗口、树和链表的基础
• 能阐述项目生命周期和权衡取舍
• 研究目标公司的机器学习团队和产品

对于中高级岗位：

• MLOps的中级问题
• 机器学习中的分布式系统
• 以用户为中心的机器学习系统行为场景

在机器学习面试中，你需要阐述自己的知识储备和解决问题的能力。清晰性比照本宣科的答案更重要。

《机器学习面试入门指南·MLIB》

来源：https://huyenchip.com/ml-interviews-book/ 你可以在此阅读该书的网页版 (https://huyenchip.com/ml-interviews-book/)。你可以在GitHub (https://github.com/chiphuyen/ml-interviews-book) 上找到源码。讨论书中习题答案的Discord频道在此 (https://discord.gg/XjDNDSEYjh)。

作为一名候选人，我曾面试过十几家大型公司和初创公司。我收到了包括谷歌、英伟达、Snap、Netflix、Primer AI和Snorkel AI在内的公司的机器学习岗位录用通知。当然，我也被许多其他公司拒绝过。

作为面试官，我参与设计和执行了英伟达和Snorkel AI的招聘流程——从向欣赏其工作的候选人发送冷邮件、筛选简历、进行探索性面试和技术面试，到讨论是否录用候选人，再到试图说服候选人选择我们而非竞争对手的offer。

作为朋友和老师，我帮助过许多朋友和学生准备大型公司和初创公司的机器学习面试。我给他们做模拟面试，并记录他们的准备过程以及被问到的问题。

我还为几家初创公司的机器学习招聘流程提供过咨询。当公司内部没有强大的机器学习团队和流程来帮助评估候选人时，招聘机器学习岗位变得相当棘手。由于机器学习在工业界的应用仍然相当新颖，许多公司还在摸索中，这无疑给候选人增加了难度。

这本书凝聚了许多人的集体智慧——他们既曾坐在面试桌的面试官一侧，也曾坐在候选人一侧，并投入了大量时间思考招聘流程。本书以候选人为核心，但看过初稿的招聘经理告诉我，他们认为这本书有助于了解其他公司的招聘方式，并反思自身流程。

本书分为两部分。第一部分概述了机器学习面试流程、有哪些类型的机器学习岗位、每个岗位需要哪些技能、常见的面试问题类型以及如何准备。这部分还解释了面试官的思维模式以及他们看重的信号。

第二部分包含200多个知识性问题，每个问题都标注了难度级别——更高级别的岗位面试会预期更难的题目——覆盖机器学习中的重要概念和常见误解。

读完本书后，你可能还想查看这30个开放式问题 (https://huyenchip.com/machine-learning-systems-design/toc.html) 来检验自己综合运用知识解决实际挑战的能力。这些问题考察你的问题解决能力以及实现和部署机器学习模型的经验深度。有些公司称它们为机器学习系统设计问题。几乎所有我接触过的公司在面试流程中都会至少问一个这类问题，而候选人常常觉得这类问题最难。

“机器学习系统设计”是一个复杂的话题，值得单独成书。要了解更多，可以查看我在斯坦福的课程 CS 329S: 机器学习系统设计 (https://stanford-cs329s.github.io/)。

本书不能替代机器学习教科书，也不是面试取巧的捷径。它是一个工具，帮助你巩固已有的机器学习理论和实践知识。书中的问题也有助于发现你的盲点或薄弱环节。每个主题都附有资源，能帮你加深对该主题的理解。

本书由Chip Huyen (https://huyenchip.com/) 在众多好友的帮助下创作。如需反馈、勘误或建议，可通过此 (https://huyenchip.com/communication/) 联系作者。版权所有 ©2021 Chip Huyen。

匹配 “” 的结果

无匹配 “” 的结果

Rhyush (@Resorcinolworks): 有人能分享一些现在美国远程初创公司机器学习岗位常问的面试题吗？

实际上，任何类型的资源都帮助极大。

替朋友问的。