عن المشروع

هذا المستودع بمثابة دليل عملي للتحضير للمقابلات التقنية في مجال الذكاء الاصطناعي وتعلم الآلة، خاصة للأدوار في شركات التكنولوجيا الكبرى مثل FAANG. تم تجميعه من تجربة المؤلف الشخصية، بما في ذلك تلقي عروض متعددة من Meta وGoogle وAmazon وApple وRoku. ينقسم الدليل إلى عدة فصول، يركز كل منها على مكوّن رئيسي من مكونات المقابلة: - **الفصل 1: البرمجة العامة (DSA)** – يغطي هياكل البيانات والخوارزميات، وهي شاشة تقنية شائعة في الجولة الأولى. - **الفصل 2: برمجة تعلم الآلة** – يركز على تنفيذ خوارزميات تعلم الآلة من الصفر، غالبًا في بيئة برمجة. - **الفصل 3: أساسيات تعلم الآلة** – يستعرض مفاهيم تعلم الآلة الأساسية، بما في ذلك تعلم الآلة الكلاسيكي، ونماذج اللغات الكبيرة (LLMs)، والذكاء الاصطناعي متعدد الوسائط، لاختبار اتساع المعرفة. - **الفصل 4: تصميم أنظمة تعلم الآلة/GenAI/LLM** – يتناول تصميم أنظمة تعلم الآلة القابلة للتوسع، بما في ذلك الذكاء الاصطناعي التوليدي والبنى القائمة على LLM. - **الفصل 5: أنظمة الذكاء الاصطناعي الوكيلية** – يربط بمستودع منفصل حول بناء أنظمة الذكاء الاصطناعي الوكيلية، وهو مجال متنامٍ في المقابلات. - **الفصل 6: المقابلات السلوكية** – يقدم إرشادات وقالب ورقة عمل لأسئلة السلوك والقيادة. - **الموارد** – يسرد مواد تعليمية للذكاء الاصطناعي التوليدي. - **المعلم الذكي** – يقدم خادم MCP (`aimlinterviews-mcp`) يمكنه تحويل أي مساعد ذكاء اصطناعي متوافق مع MCP إلى مدرب مقابلات، ويوفر مشاكل المنهج والتلميحات ومراجعات الإجابات. تم تحديث المحتوى لعام 2026، مع أقسام موسعة حول LLMs، والذكاء الاصطناعي متعدد الوسائط، وما بعد التدريب، وتصميم أنظمة GenAI. يستهدف بشكل أساسي أدوار هندسة الذكاء الاصطناعي/تعلم الآلة، والعلوم التطبيقية، وقادة التكنولوجيا، على الرغم من أن بعض الوحدات قد تكون مفيدة لمناصب علوم البيانات أو الباحثين العلميين. يلاحظ المؤلف أن هياكل المقابلات تختلف حسب الشركة، لكن المكونات متشابهة عبر FAANG، بينما تصمم الشركات الناشئة غالبًا مقابلاتها وفقًا لحالات الاستخدام المحددة. المساهمات مرحب بها عبر طلبات السحب. المستودع متاح باللغات الإنجليزية والصينية المبسطة والفارسية.