机器学习面试题100道：斯坦福讲师出版机器学习面试书稿
机器学习面试题100道：斯坦福讲师出版机器学习面试书稿Chip Huyen，目前是斯坦福大学兼职讲师，主要教授机器学习系统设计（https://stanford-cs329s.github.io/）和Tensorflow相关课程，在此之前，她曾在Netflix、NVIDIA 和Snorkel AI 等大型科技公司从事机器学习系统的开发和部署工作。关于作者应届毕业的学生，正在找第一份全职ML工作。非ML领域的软件工程师和数据科学家，希望迈入机器学习领域。在专业知识方面，这本书介绍了200多个ML知识点，涵盖了机器学习领域大部分重要的概念和常见误区。此外，由于职位需求不同，这些问题覆盖了不同难度等级。最后，书中还提供了30 个开放式问题，以帮助读者检验现有的面试能力。
编译 | 琰琰
近日，斯坦福大学讲师Chip Huyen 出版了一本《机器学习面试》书稿，分享了她多年来作为机器学习从业者，在面试和求职过程中积累下来的宝贵经验。从ML岗位、公司选择、到面试技巧，需要掌握的专业知识，整本书的内容可谓相当全面。
如果你想了解：机器学习工程师、数据科学、ML/AI 架构师不同岗位之间有何区别？刚毕业的学生到底是该选择大公司还是小公司？面试官想要的是什么样的人才？怎样沟通才能展现自己的优势？如何谈薪资？面试过程有哪些常见问题？要如何准备，有哪些可学习的渠道或书籍？在这里都能找到答案。
作者在文中强调，这本书主要面向两类候选人：
-
应届毕业的学生，正在找第一份全职ML工作。
-
非ML领域的软件工程师和数据科学家，希望迈入机器学习领域。
在专业知识方面，这本书介绍了200多个ML知识点，涵盖了机器学习领域大部分重要的概念和常见误区。此外，由于职位需求不同，这些问题覆盖了不同难度等级。最后，书中还提供了30 个开放式问题，以帮助读者检验现有的面试能力。
关于作者
Chip Huyen，目前是斯坦福大学兼职讲师，主要教授机器学习系统设计（https://stanford-cs329s.github.io/）和Tensorflow相关课程，在此之前，她曾在Netflix、NVIDIA 和Snorkel AI 等大型科技公司从事机器学习系统的开发和部署工作。
个人主页：https://huyenchip.com/
同时，Chip Huyen也一位畅销书作家，她撰写了很多有关软件工程与机器学习领域的著作和文章，曾被LinkedIn 评选为2019 年软件开发领域的顶级作家Top10 和2020 年数据科学和人工智能领域的顶级作家之一。
此外，她撰写过四本越南书籍，销量累计超过 了100 000 册。
这本《机器学习面试》汇集了她多年来的求职经验，也咨询了很多公司，参考了很多朋友的建议。她在书稿的序言中介绍说：
作为候选人，我面试过十多家大公司和初创公司，收到过谷歌、NVIDIA、Snap、Netflix、Primer AI 和 Snorkel AI 等公司的offer，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 的招聘流程设计和执行，从简历筛选、初面、技术面，到终面和发送offer。在这个过程中，我对面试官和求职者的心理、如何吸引优秀的候选者，如果沟通薪资问题都有着充分的把握。
作为老师，我帮助了很多学生和朋友准备大公司和初创公司的机器学习面试。在为他们模拟面试的过程中，我发现了很多沟通上的细节问题和一些常见的面试技巧。
此外，我还咨询了几家初创公司的机器学习岗位招聘渠道。我了解到，对于企业而言，如果内部没有强大的机器学习团队和专业的招聘流程，招聘一位优秀且符合岗位需求的机器学习人才是非常困难的。而另一方面，由于机器学习还是一个新型行业，相关企业和需求还不足够大，很多候选者找到满意的工作也不容易。
需要说明的是，书中涉及的200多个面试问题都将提供详细的答案。目前，由于作者的个人原因，这项工作进展缓慢，这本书只有 10% 的问题提供了答案，之后的答案会陆续进行更新。
附全书目录
-
第一部分：概述
-
第 1 章机器学习工作
-
1.1 不同的机器学习角色
-
1.1.1 在研究中工作与在生产中工作
-
1.1.2 研究
-
1.1.2.1 研究与应用研究
-
1.1.2.2 研究科学家与研究工程师
-
1.1.3 生产
-
1.1.3.1 生产周期
-
1.1.3.2 机器学习工程师 vs. 软件工程师
-
1.1.3.3 机器学习工程师 vs. 数据科学家
-
1.1.3.4 ML 生产中的其他技术角色
-
1.1.3.5 了解角色和头衔
-
1.2 公司类型
-
1.2.1 应用公司与工具公司
-
1.2.2 企业产品与消费产品
-
1.2.3 初创公司或大公司
-
第 2 章机器学习面试流程
-
2.1 了解面试官的心态
-
2.1.1 公司希望从候选人那里得到什么
-
2.1.1.1 技术技能
-
2.1.1.2 非技术技能
-
2.1.1.3 究竟什么是文化契合？
-
2.1.1.4 初级与高级角色
-
2.1.1.5 我需要博士学位吗？从事机器学习工作？
-
2.1.2 公司如何寻找候选人
-
2.1.3 公司在候选人中寻找什么信号
-
2.2 面试管道
-
2.2.1 常见面试形式
-
2.2.2 其他面试形式
-
2.2.3 大公司面试与小公司面试
-
2.2.4 实习面试与全职面试
-
2.3 问题类型
-
2.3.1 行为问题
-
2.3.1.1 背景与简历
-
2.3.1.2 兴趣
-
2.3.1.3 沟通
-
2.3.1.4 个性
-
2.3.2 询问面试官的问题
-
2.3.3 糟糕的面试问题
-
2.4 危险信号
-
2.5 时间线
-
2.6 了解您的赔率
-
第 3 章报价后
-
3.1 补偿方案
-
3.1.1 基本工资
-
3.1.2 股权授予
-
3.1.3 奖金
-
3.1.4 不同层次的补偿方案
-
3.2 谈判
-
3.2.1 薪酬期望
-
3.3 职业发展
-
第 4 章从哪里开始
-
4.1 找工作需要多长时间？
-
4.2 其他人是怎么做的
-
4.3 资源
-
4.3.1 课程
-
4.3.2 书籍和文章
-
4.3.3 其他资源
-
4.4 ML 面试的注意事项
-
4.4.1 做的
-
4.4.2 禁忌
-
第二部分：问题
-
第 5 章数学
-
符号
-
5.1 代数和（小）微积分
-
5.1.1 向量
-
5.1.2 矩阵
-
5.1.3 降维
-
5.1.4 微积分和凸优化
-
5.2 概率与统计
-
5.2.1 概率
-
5.2.1.1 复习的基本概念
-
5.2.1.2 问题
-
5.2.2 统计
-
第 6 章计算机科学
-
6.1 算法
-
6.2 复杂性和数值分析
-
6.3 数据
-
6.3.1 数据结构
-
第 7 章机器学习工作流
-
7.1 基础知识
-
7.2 采样和创建训练数据
-
7.3 目标函数、度量和评估
-
第 8 章机器学习算法
-
8.1 经典机器学习
-
8.1.1 概述：基本算法
-
8.1.2 问题
-
8.2 深度学习架构和应用
-
8.2.1 自然语言处理
-
8.2.2 计算机视觉
-
8.2.3 强化学习
-
8.2.4 其他
-
8.3 训练神经网络
-
附录
-
A. 对于面试官
-
采访之禅
-
B. 建立网络
书稿链接：https://huyenchip.com/ml-interviews-book/contents/8.3-training-neural-networks.html
由于微信公众号试行乱序推送，您可能不再能准时收到AI科技评论的推送。为了第一时间收到AI科技评论的报道， 请将“AI科技评论”设为星标账号在看”。
