alirezadir/Machine-Learning-Interviews

📰 뉴스: 2025년 업데이트: 관심 있는 분들을 위해 AI 엔지니어링 및 에이전트 시스템(agentic systems) 설계와 개발의 최신 트렌드를 포함하여, Agentic AI Systems를 위한 새로운 저장소(repo)를 추가했습니다. 다양한 리소스, 시스템 설계(system design) 요약, 실습 코딩 예제, 프로젝트 등을 확인하실 수 있습니다.

이 저장소는 빅테크 기업(특히 FAANG)의 관련 직무를 위한 머신러닝 (ML) 엔지니어링 (AI) 엔지니어링 인터뷰를 준비하기 위한 가이드 역할을 하는 것을 목표로 합니다. 이 내용은 저자가 Meta (ML Specialist), Google (ML Engineer), Amazon (Applied Scientist), Apple (Applied Scientist), 그리고 Roku (ML Engineer)로부터 오퍼를 받았을 당시, 개인적인 경험과 인터뷰 준비 과정에서 작성한 노트를 바탕으로 컴파일되었습니다.

다음 구성 요소들은 다양한 기업의 기술적 ML 직무에서 가장 흔히 사용되는 인터뷰 모듈입니다. 하나씩 살펴보며 어떻게 준비할 수 있는지 공유하겠습니다:

장 (Chapter)	내용
Chapter 1	일반 코딩 (알고리즘 및 자료구조)
...
참고 사항:

이 노트를 정리하는 시점에, 다양한 기업의 머신러닝 인터뷰는 소프트웨어 엔지니어링 인터뷰와 달리 고유한 구조를 따르지 않습니다. 하지만 명칭은 다르더라도 일부 구성 요소들이 서로 매우 유사하다는 것을 발견했습니다.

이 가이드는 주로 대기업의 Machine Learning Engineer(및 Applied Scientist) 직무에 초점을 맞추고 있습니다. "Data Science"나 "ML research scientist"와 같은 관련 직무는 인터뷰 구조가 다르지만, 여기서 검토하는 일부 모듈은 여전히 유용할 수 있습니다.

• 보충 자료로서, 프로덕션 환경을 위한 딥러닝 시스템 설계 방법에 대한 더 자세한 통찰을 얻으려면 저의 Production Level Deep Learning 저장소를 참고하실 수 있습니다.

• 피드백과 기여를 언제나 환영합니다 😊
  기여하고 싶으시다면, 제안하는 변경 사항을 포함하여 pull request를 보내주세요.