Peng Shao lançou um livro sobre entrevistas de machine learning com 151 perguntas

Peng Shao lançou o livro "Entrevista de ML. 151 Perguntas do FAANG", dedicado à preparação para contratação em ML. Não se trata de uma coleção de problemas áridos, mas de uma análise passo a passo de como passar em entrevistas — desde a teoria básica até design de sistema e discussão de infraestrutura de produção.

O que está dentro do livro

A ideia principal do livro é reunir em um único lugar as perguntas que os candidatos realmente enfrentam em entrevistas de aprendizado de máquina. Shao percorre todo o itinerário de preparação: fundamentos matemáticos, conceitos-chave de ML, programação, trabalho com dados, avaliação de modelos e erros típicos nas respostas. Pela descrição, o ênfase é colocada não apenas no que você precisa saber, mas também em como responder: como estruturar seu pensamento, o que esclarecer com o entrevistador e onde não se aventurar em teoria desnecessária.

Um valor adicional desse formato é que entrevistas de ML raramente se limitam a questões algorítmicas. Geralmente, espera-se que os candidatos entendam o ciclo de vida completo de um modelo: como os dados são preparados, como as métricas são escolhidas, como avaliação offline difere da implantação real e por que até um modelo forte pode fracassar em produção. O livro promete fechar essa lacuna entre teoria acadêmica e as expectativas de empresas que contratam engenheiros e especialistas aplicados para tarefas reais.

Como a preparação é estruturada

De acordo com a descrição, o livro analisa não apenas o conteúdo das perguntas, mas também a lógica do próprio processo de contratação. Isso é importante porque o mesmo conhecimento é testado de maneira diferente em seleção telefônica, entrevistas técnicas e discussões profundas de projetos. Às vezes é necessária uma resposta curta e precisa em um minuto, às vezes — argumentação completa com trade-offs, limitações e contexto de negócios. Para candidatos, isso é frequentemente mais difícil do que as próprias fórmulas: você precisa entender rapidamente qual nível de detalhe é esperado neste momento.

No coração do livro está um conjunto de blocos recorrentes que quase sempre surgem no processo de contratação. Isso é conveniente para preparação: um candidato pode pular a leitura do material linearmente e identificar rapidamente pontos fracos e trabalhar através deles separadamente. Esse formato é especialmente útil quando há pouco tempo antes de uma entrevista e você precisa de uma lista compacta de tópicos para revisar. Ao mesmo tempo, você pode ver como a profundidade das perguntas muda de estágio em estágio.

• conceitos básicos de aprendizado de máquina e programação
• estratégias para responder a perguntas frequentes e análise de erros típicos
• transição de seleção telefônica para entrevista técnica profunda
• projetando sistemas de ML e discutindo infraestrutura

Essa abordagem torna o livro útil não apenas como um livro didático, mas também como um simulador antes de um processo de contratação específico. Em vez de notas dispersas sobre teoria, problemas e design de sistema, um candidato obtém um roteiro de preparação unificado. Isso é especialmente útil para quem não está no mercado há muito tempo e subestima o quanto as entrevistas de ML se tornaram amplas: hoje verificam não apenas o conhecimento de modelos, mas também pensamento de engenharia, prioridades de produto e capacidade de explicar soluções em linguagem clara.

Quem se beneficiará do livro

O material é posicionado como universal: servirá tanto para iniciantes que estão apenas construindo sua base quanto para especialistas experientes que precisam de uma visão geral rápida antes de uma série de entrevistas. Para os primeiros, o livro pode servir como um mapa de tópicos para evitar se afogar em uma lista infinita de algoritmos, bibliotecas e artigos. Para os segundos — uma forma de verificar pontos cegos: por exemplo, design de sistema, infraestrutura, seleção de métricas ou argumentação em torno de trade-offs entre qualidade do modelo, custo e velocidade.

Diante do crescimento de vagas em ML e aumento das exigências, tais guias tornam-se mais práticos do que livros didáticos clássicos de aprendizado de máquina. Eles não substituem a teoria profunda, mas ajudam a responder uma pergunta mais prática: exatamente o que revisar antes de uma entrevista, em que ordem e como traduzir conhecimento em respostas claras e confiantes. Para audiências de língua russa, isso é especialmente útil se você precisar de orientação sobre o formato de entrevista internacional e expectativas de equipes globais.

O que isto significa

O livro de Peng Shao mostra que o mercado de contratação de ML exige não apenas conhecimento de modelos, mas também disponibilidade para discutir código, métricas, infraestrutura e trade-offs de negócios como um sistema unificado.