摘要：?本篇內容主要是匯集了一些如何應付人工智能公司面試所需要的一些資源，主要內容是博客、教材和課程等。

年已過盡，春招和實習已經在路上。相信大家對于去年秋招崗位的薪資多少有些了解，比較熱門的一些崗位大多與人工智能相關，一些公司也開出了相當可觀的薪資來搶人，這也表明了市場看好人工智能未來的發展。

本篇內容主要是匯集了一些如何應付面試所需要的一些資源，有些內容不是很全面，讀者有合適的素材也可以在下面留言補充。

根據我的研究，網絡上的資源可以分為四個主要的類別來研究：

1.統計與概率

2.其它相關的數學

3.編程

基礎問答題的相關概念

面試編程實踐

4.機器學習

我知道人工智能一直以來是一個熱門的話題，而且數據科學的進展很快，因此所找的鏈接主要是最近兩年的材料（主要是在Reddit及其它論壇上找的相關材料）。

• 速成課程材料（Reddit）
  
• OpenAi的建議（Reddit）
  
• Google Brain的建議（Reddit）
  
• DeepMind的建議（Reddit）
  
• DeepMind的其它博客
  

在上面的帖子中沒有找到大量有用的資料，并且發現閱讀博客是構建整體戰略的好方法。

博客文章：

• 轉行：從事數據科學工作
  
• 面試時我搞砸了
  
• 數據科學面試
  
• 如何準備機器學習面試
  
• 數據科學面試答案?
  
• 如何檢索數據科學面試：統計學
  
• 共同概率分布：數據科學家的小抄
  

這樣的帖子推薦的教材和Coursera課程有許多，我覺得以下教材和課程對于初學者是有用的，有時間的讀者可以學習下。

教材和課程：

• Andrew Ng的機器學習課程（Coursera）
  
• John Hopkins的生物統計學訓練營（Coursera）
  
• Ross的概率論基礎教程·第八版（PDF教材）
  
• Casella & Berger的統計推斷·第二版（PDF教材）
  

很多人喜歡“小抄”，我認為小抄是一個很好的助手，但過于密集的信息也可以作為主要材料使用，在這稱之為“參考資料”。

參考資料：

• 概率分布概述（博客文章）
  
• 數據科學（Python）：Keras & Numpy
  
• 機器學習算法流程圖/小抄
  

如果你離面試還有一周的時間，我認為問題表可以作為最終的學習材料，如果問題表有配套的答案的話是最好的。問題表指導所要學習的內容以及掌握程度，否則網絡上存在的資源實在是太多，無法抓住主要的內容學習。本文所找的內容也不是很全面，如果讀者知道一些有用的素材，請在底下留言，我會將它們添加到列表之中。

問題表：

通用的：

• mockinterview.io越來越多的問題
  
• 105道數據科學面試問題
  
• 機器學習問題?
  
• 21道數據科學面試問題及答案
  
• 109道數據額科學面試問題
  

概率：

• 40道關于數據科學概率的問題和答案
  
• 達特茅斯的概率論教材
  

統計學：

• 暫未有合適的材料
• 
  

數學：

• 線性代數、集合論和代數、微積分、圖論、組合學、命題與一階邏輯：多項選擇
  
• 機器學習數學
  
• 多元優化演算
  

編程：

• 破解編程面試：150個編程面試問題與解決方案（PDF教材）
  
• 計算機科學多選題與答案
  
• 更多計算機多選題與答案
  

機器學習：

• Andrew Ng的Coursera課程中的測驗與答案
  

增強學習：

• Sutton & Barto的增強學習導論（在線教材以及問題/解決方案）
  

作者信息

five4three2，Reddit網站壇友

文章原標題《Study Guides for Interview at AI Research Company》，

作者：five4three2，譯者：海棠，審閱：袁虎。

原文鏈接

總結

以上是生活随笔為你收集整理的AI研究公司面试准备指南的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。