摘要: 本篇内容主要是汇集了一些如何应付人工智能公司面试所需要的一些资源,主要内容是博客、教材和课程等。
年已过尽,春招和实习已经在路上。相信大家对于去年秋招岗位的薪资多少有些了解,比较热门的一些岗位大多与人工智能相关,一些公司也开出了相当可观的薪资来抢人,这也表明了市场看好人工智能未来的发展。
本篇内容主要是汇集了一些如何应付面试所需要的一些资源,有些内容不是很全面,读者有合适的素材也可以在下面留言补充。
根据我的研究,网络上的资源可以分为四个主要的类别来研究:
1.统计与概率
2.其它相关的数学
3.编程
基础问答题的相关概念
面试编程实践
4.机器学习
我知道人工智能一直以来是一个热门的话题,而且数据科学的进展很快,因此所找的链接主要是最近两年的材料(主要是在Reddit及其它论坛上找的相关材料)。
- 速成课程材料(Reddit)
- OpenAi的建议(Reddit)
- Google Brain的建议(Reddit)
- DeepMind的建议(Reddit)
- DeepMind的其它博客
在上面的帖子中没有找到大量有用的资料,并且发现阅读博客是构建整体战略的好方法。
博客文章:
- 转行:从事数据科学工作
- 面试时我搞砸了
- 数据科学面试
- 如何准备机器学习面试
- 数据科学面试答案
- 如何检索数据科学面试:统计学
- 共同概率分布:数据科学家的小抄
这样的帖子推荐的教材和Coursera课程有许多,我觉得以下教材和课程对于初学者是有用的,有时间的读者可以学习下。
教材和课程:
- Andrew Ng的机器学习课程(Coursera)
- John Hopkins的生物统计学训练营(Coursera)
- Ross的概率论基础教程·第八版(PDF教材)
- Casella & Berger的统计推断·第二版(PDF教材)
很多人喜欢“小抄”,我认为小抄是一个很好的助手,但过于密集的信息也可以作为主要材料使用,在这称之为“参考资料”。
参考资料:
- 概率分布概述(博客文章)
- 数据科学(Python):Keras & Numpy
- 机器学习算法流程图/小抄
如果你离面试还有一周的时间,我认为问题表可以作为最终的学习材料,如果问题表有配套的答案的话是最好的。问题表指导所要学习的内容以及掌握程度,否则网络上存在的资源实在是太多,无法抓住主要的内容学习。本文所找的内容也不是很全面,如果读者知道一些有用的素材,请在底下留言,我会将它们添加到列表之中。
问题表:
通用的:
- mockinterview.io越来越多的问题
- 105道数据科学面试问题
- 机器学习问题
- 21道数据科学面试问题及答案
- 109道数据额科学面试问题
概率:
- 40道关于数据科学概率的问题和答案
- 达特茅斯的概率论教材
统计学:
- 暂未有合适的材料
数学:
- 线性代数、集合论和代数、微积分、图论、组合学、命题与一阶逻辑:多项选择
- 机器学习数学
- 多元优化演算
编程:
- 破解编程面试:150个编程面试问题与解决方案(PDF教材)
- 计算机科学多选题与答案
- 更多计算机多选题与答案
机器学习:
- Andrew Ng的Coursera课程中的测验与答案
增强学习:
- Sutton & Barto的增强学习导论(在线教材以及问题/解决方案)
作者信息
five4three2,Reddit网站坛友
文章原标题《Study Guides for Interview at AI Research Company》,
作者:five4three2,译者:海棠,审阅:袁虎。
原文链接