✨ Amazone分類排行第一
✨ 蟬連Amazone暢銷榜超過20個月
✨ 授權翻譯多國語言
這本最新的面試指南提供了大量具有高度相關性的深入洞見,為讀者解鎖ML系統設計面試的整個程序。科技業長期以來一直缺乏這樣的資源,而作者則是用本書給出了解方。
— Eddie Santos,Block機器學習工程師
本書是ML專業人士的重要資源,針對各領域的ML系統設計,提供了極為精彩的實用資訊。對於任何有興趣學習系統設計應用知識的人來說,本書可說是非常完美,也是準備面試時非常理想的參考資源!
— Aishwarya Srinivasan,Google資料科學家
在ML相關的各種面試中,ML系統設計可說是最具有挑戰性的主題之一,這類的職位有可能包括資料工程師、資料科學家、 ML工程師等等。
如果你正打算準備參加ML面試,無論初學者還是經驗豐富的工程師,本書就是為你而寫的。
想像一下,在一場競爭激烈的ML面試中,面試官要求你設計一套端到端的ML系統,可能是視覺搜尋、偵測違反社群守則的字詞,或廣告點擊預測。
你知道,這些題目沒有標準答案,真正的挑戰在於你如何思考,如何深入理解各種ML主題,最後設計出一個既複雜又實用的系統。
面試官會仔細評估你的設計過程、在多種設計選項中你如何做出權衡取捨。最重要的是,你是否有能力成功設計出一個有效的ML系統。
該如何在這樣的面試中脫穎而出,順利成為一名成功的ML工程師呢?
本書以7步驟框架、10個真實案例及211個圖表,提供機器學習系統設計面試的強化策略。
ML系統設計的面試考題,主要是想評估應試者能否設計出一些端對端的ML系統(例如視覺搜尋、影片推薦、廣告點擊的預測……等等)。這些考題通常都缺乏清晰的結構,涵蓋的主題範圍也比較廣泛,往往相當具有挑戰性;而且通常不會有很明確的答案,所以很可能有多種不同的解釋方式與解法。
總體來說,面試的目標就是要評估應試者能不能應用ML的理論知識,設計並實作出真正有效的系統。
本書有哪些內容?
關於面試官真正想找的人以及背後的緣由,提供內行人真正的看法。
7步驟框架 可用來解決任何ML系統設計面試問題。
10個ML系統設計面試實戰題 以及詳細的解決方案。
211張圖表 更直觀解釋了各種系統的原理。
作者簡介:
Ali Aminian是Adobe的機器學習工程師,他在機器學習與大規模分散式系統方面,具有相當專業的背景。他曾為Google工作,協助建構和部署各種大規模的機器學習系統。除了在Adobe的工作之外,他也很喜歡向學生與專業人士傳授機器學習相關的知識。
Alex Xu是一位軟體工程師兼作家。他的前一本著作《內行人才知道的系統設計面試指南》是 Amazon的暢銷書,目前已被翻譯成六種語言。他曾任職於Twitter、Apple和Zynga。
目錄
章節說明:Chapter 1 簡介與概述
Chapter 2 視覺搜尋系統
Chapter 3 Google 街景模糊化系統
Chapter 4 YouTube 影片搜尋
Chapter 5 有害內容偵測
Chapter 6 影片推薦系統
Chapter 7 活動推薦系統
Chapter 8 社群平台的廣告點擊預測
Chapter 9 短期租屋平台的類似選項
Chapter 10 個人動態訊息
Chapter 11 你或許認識的朋友
章節說明:Chapter 1 簡介與概述
Chapter 2 視覺搜尋系統
Chapter 3 Google 街景模糊化系統
Chapter 4 YouTube 影片搜尋
Chapter 5 有害內容偵測
Chapter 6 影片推薦系統
Chapter 7 活動推薦系統
Chapter 8 社群平台的廣告點擊預測
Chapter 9 短期租屋平台的類似選項
Chapter 10 個人動態訊息
Chapter 11 你或許認識的朋友