منصوبے کے بارے میں

یہ ریپوزٹری AI اور مشین لرننگ تکنیکی انٹرویوز کی تیاری کے لیے ایک عملی رہنما کے طور پر کام کرتی ہے، خاص طور پر بڑی ٹیک کمپنیوں جیسے FAANG میں کرداروں کے لیے۔ یہ مصنف کے ذاتی تجربے سے مرتب کی گئی ہے، جس میں Meta، Google، Amazon، Apple، اور Roku سے متعدد پیشکشیں موصول ہوئیں۔ یہ رہنما کئی ابواب میں ترتیب دیا گیا ہے، ہر ایک انٹرویو کے کلیدی جزو پر مرکوز ہے: - **باب 1: عمومی کوڈنگ (DSA)** – ڈیٹا سٹرکچرز اور الگورتھم کا احاطہ کرتا ہے، جو عام طور پر پہلے راؤنڈ کا تکنیکی اسکرین ہوتا ہے۔ - **باب 2: ML کوڈنگ** – مشین لرننگ الگورتھم کو شروع سے نافذ کرنے پر توجہ دیتا ہے، اکثر کوڈنگ ماحول میں۔ - **باب 3: ML بنیادی باتیں** – بنیادی ML تصورات کا جائزہ لیتا ہے، بشمول کلاسک مشین لرننگ، بڑے لینگویج ماڈلز (LLMs)، اور ملٹی موڈل AI، تاکہ علم کی وسعت کو جانچا جا سکے۔ - **باب 4: ML/GenAI/LLM سسٹم ڈیزائن** – اسکیل ایبل ML سسٹمز کے ڈیزائن پر توجہ دیتا ہے، بشمول جنریٹو AI اور LLM پر مبنی آرکیٹیکچرز۔ - **باب 5: ایجنٹک AI سسٹمز** – ایجنٹک AI سسٹمز بنانے پر ایک علیحدہ ریپوزٹری سے لنک کرتا ہے، جو انٹرویوز میں بڑھتا ہوا شعبہ ہے۔ - **باب 6: رویہ جاتی انٹرویوز** – رویہ جاتی اور قیادت کے سوالات کے لیے رہنمائی اور ورک شیٹ ٹیمپلیٹ فراہم کرتا ہے۔ - **وسائل** – جنریٹو AI کے لیے سیکھنے کے مواد کی فہرست دیتا ہے۔ - **AI ٹیوٹر** – ایک MCP سرور (`aimlinterviews-mcp`) پیش کرتا ہے جو کسی بھی MCP-مطابق AI اسسٹنٹ کو انٹرویو کوچ میں تبدیل کر سکتا ہے، نصاب کے مسائل، اشارے، اور جوابات کا جائزہ فراہم کرتا ہے۔ مواد 2026 کے لیے اپ ڈیٹ کیا گیا ہے، جس میں LLMs، ملٹی موڈل AI، پوسٹ ٹریننگ، اور GenAI سسٹم ڈیزائن پر توسیع شدہ حصے شامل ہیں۔ یہ بنیادی طور پر AI/ML انجینئرنگ، اپلائیڈ سائنس، اور ٹیک لیڈ کرداروں کے لیے ہے، حالانکہ کچھ ماڈیول ڈیٹا سائنس یا ریسرچ سائنٹسٹ پوزیشنوں کے لیے بھی مفید ہو سکتے ہیں۔ مصنف نوٹ کرتا ہے کہ انٹرویو کے ڈھانچے کمپنی کے لحاظ سے مختلف ہوتے ہیں، لیکن اجزاء FAANG میں ایک جیسے ہیں، جبکہ اسٹارٹ اپس اکثر اپنے مخصوص استعمال کے معاملات کے مطابق انٹرویوز تیار کرتے ہیں۔ پل ریکویسٹ کے ذریعے شراکت کا خیر مقدم کیا جاتا ہے۔ ریپوزٹری انگریزی، آسان چینی، اور فارسی میں دستیاب ہے۔