इस प्रोजेक्ट के बारे में

यह रिपॉजिटरी AI और मशीन लर्निंग तकनीकी इंटरव्यू की तैयारी के लिए एक व्यावहारिक गाइड है, विशेष रूप से FAANG जैसी बड़ी टेक कंपनियों में भूमिकाओं के लिए। इसे लेखक के व्यक्तिगत अनुभव से संकलित किया गया है, जिसमें Meta, Google, Amazon, Apple और Roku से कई ऑफर प्राप्त करना शामिल है। गाइड कई अध्यायों में संरचित है, प्रत्येक एक प्रमुख इंटरव्यू घटक पर केंद्रित है: - अध्याय 1: सामान्य कोडिंग (DSA) – डेटा संरचनाओं और एल्गोरिदम को शामिल करता है, जो आमतौर पर पहले दौर की तकनीकी स्क्रीनिंग होती है। - अध्याय 2: ML कोडिंग – मशीन लर्निंग एल्गोरिदम को शुरू से लागू करने पर केंद्रित है, अक्सर कोडिंग वातावरण में। - अध्याय 3: ML फंडामेंटल्स – कोर ML अवधारणाओं की समीक्षा करता है, जिसमें क्लासिक मशीन लर्निंग, बड़े भाषा मॉडल (LLM) और मल्टीमॉडल AI शामिल हैं, ताकि ज्ञान की गहराई का परीक्षण किया जा सके। - अध्याय 4: ML/GenAI/LLM सिस्टम डिज़ाइन – स्केलेबल ML सिस्टम डिज़ाइन करने को संबोधित करता है, जिसमें जनरेटिव AI और LLM-आधारित आर्किटेक्चर शामिल हैं। - अध्याय 5: एजेंटिक AI सिस्टम – एजेंटिक AI सिस्टम बनाने पर एक अलग रिपॉजिटरी से जोड़ता है, जो इंटरव्यू में बढ़ता हुआ क्षेत्र है। - अध्याय 6: बिहेवियरल इंटरव्यू – नेतृत्व और व्यवहार संबंधी प्रश्नों के लिए मार्गदर्शन और एक वर्कशीट टेम्पलेट प्रदान करता है। - संसाधन – जनरेटिव AI के लिए सीखने की सामग्री सूचीबद्ध करता है। - AI ट्यूटर – एक MCP सर्वर (aimlinterviews-mcp) प्रदान करता है जो किसी भी MCP-संगत AI असिस्टेंट को इंटरव्यू कोच में बदल सकता है, जिससे पाठ्यक्रम की समस्याएं, संकेत और उत्तर समीक्षा मिलती है। सामग्री 2026 के लिए अद्यतन की गई है, जिसमें LLM, मल्टीमॉडल AI, पोस्ट-ट्रेनिंग और GenAI सिस्टम डिज़ाइन पर विस्तृत अनुभाग हैं। यह मुख्य रूप से AI/ML इंजीनियरिंग, एप्लाइड साइंस और टेक लीड भूमिकाओं के लिए है, हालांकि कुछ मॉड्यूल डेटा साइंस या रिसर्च साइंटिस्ट पदों के लिए उपयोगी हो सकते हैं। लेखक नोट करता है कि इंटरव्यू संरचनाएं कंपनी के अनुसार भिन्न होती हैं, लेकिन FAANG में घटक समान होते हैं, जबकि स्टार्टअप अक्सर अपने विशिष्ट उपयोग के मामलों के अनुसार इंटरव्यू तैयार करते हैं। योगदान पुल रिक्वेस्ट के माध्यम से स्वागत है। रिपॉजिटरी अंग्रेजी, सरलीकृत चीनी और फारसी में उपलब्ध है।