aimlinterviews

本仓库是一份实用指南，旨在帮助准备人工智能和机器学习技术面试，特别是针对大型科技公司（如FAANG）的职位。内容源自作者的个人经验，包括获得Meta、Google、Amazon、Apple和Roku等多家公司录用通知的经历。 该指南分为多个章节，每个章节聚焦于面试的关键组成部分： - **第1章：通用编码（DSA）** – 涵盖数据结构和算法，这是常见的第一轮技术筛选。 - **第2章：ML编码** – 侧重于在编码环境中从头实现机器学习算法。 - **第3章：ML基础** – 回顾核心ML概念，包括经典机器学习、大型语言模型（LLM）和多模态AI，以测试知识广度。 - **第4章：ML/GenAI/LLM系统设计** – 涉及设计可扩展的ML系统，包括生成式AI和基于LLM的架构。 - **第5章：代理式AI系统** – 链接到另一个关于构建代理式AI系统的仓库，这是面试中日益增长的领域。 - **第6章：行为面试** – 提供行为问题和领导力问题的指导及工作表模板。 - **资源** – 列出生成式AI的学习材料。 - **AI导师** – 提供一个MCP服务器（`aimlinterviews-mcp`），可将任何兼容MCP的AI助手转变为面试教练，提供课程问题、提示和答案审查。 内容已更新至2026年，扩展了关于LLM、多模态AI、后训练和GenAI系统设计的章节。它主要面向AI/ML工程、应用科学和技术负责人职位，但部分模块可能对数据科学或研究科学家职位有用。作者指出，面试结构因公司而异，但FAANG的组成部分相似，而初创公司通常根据其特定用例定制面试。 欢迎通过拉取请求贡献内容。该仓库提供英文、简体中文和波斯语版本。