Об этом проекте

Этот репозиторий служит практическим руководством для подготовки к техническим собеседованиям по искусственному интеллекту и машинному обучению, особенно для должностей в крупных технологических компаниях, таких как FAANG. Он составлен на основе личного опыта автора, включая получение нескольких предложений от Meta, Google, Amazon, Apple и Roku. Руководство структурировано в несколько глав, каждая из которых посвящена ключевому компоненту собеседования: - **Глава 1: Общее программирование (DSA)** – Охватывает структуры данных и алгоритмы, распространенный первый технический экран. - **Глава 2: Программирование в области МО** – Сосредоточена на реализации алгоритмов машинного обучения с нуля, часто в среде программирования. - **Глава 3: Основы МО** – Рассматривает основные концепции МО, включая классическое машинное обучение, большие языковые модели (LLM) и мультимодальный ИИ, для проверки широты знаний. - **Глава 4: Проектирование систем МО/GenAI/LLM** – Затрагивает проектирование масштабируемых систем МО, включая генеративный ИИ и архитектуры на основе LLM. - **Глава 5: Агентные системы ИИ** – Ссылается на отдельный репозиторий по созданию агентных систем ИИ, растущей области на собеседованиях. - **Глава 6: Поведенческие собеседования** – Предоставляет рекомендации и шаблон рабочего листа для поведенческих и лидерских вопросов. - **Ресурсы** – Перечисляет учебные материалы по генеративному ИИ. - **ИИ-тьютор** – Предлагает MCP-сервер (`aimlinterviews-mcp`), который может превратить любого MCP-совместимого ИИ-ассистента в тренера по собеседованиям, предоставляя задачи из учебной программы, подсказки и проверку ответов. Содержимое обновлено на 2026 год, с расширенными разделами по LLM, мультимодальному ИИ, пост-обучению и проектированию систем GenAI. В первую очередь оно предназначено для ролей инженеров ИИ/МО, прикладных специалистов и технических лидов, хотя некоторые модули могут быть полезны для позиций специалистов по данным или исследователей. Автор отмечает, что структуры собеседований различаются в зависимости от компании, но компоненты схожи в FAANG, в то время как стартапы часто адаптируют собеседования под свои конкретные случаи использования. Вклад приветствуется через pull request. Репозиторий доступен на английском, упрощенном китайском и персидском языках.