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