內行人才知道的機器學習系統設計面試指南

✨ 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。

Ali Aminian

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

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。