不少刚入行的同学不知道Machine Learning Engineer岗会面试哪些内容。我们今天就再来整理下这部分内容，希望能帮到需要的人。

第一MLE岗，本质上还是engineer岗位，所以面试还是以算法题为主。

这就要求大家有比较好的leetcode刷题基础。关于MLE刷题的要求的视频在我们的以前的视频中介绍过，有兴趣的朋友大家可以去翻翻看。

第二就是，ML Coding或者data coding。

这类coding面试一般会面一些和数学相关的coding题，或者是手写最基本的算法，包括Kmeans，KNN，逻辑回归等等。因为这类面试的面试范围比较小，所以准备的方法也很暴力，就是题海战术把常见题背下来下来。

第三就是， ML design。

对于master来说这类面试不常遇到，Phd new grad偶尔会遇到。这类面试最常见的就是设计推荐系统相关的Design面试问题。这类问题的准备资源相对较少，篱笆教育有正对性提升的课程，除了参加篱笆课程之外，还可以通过自己平时的项目积累，或者各个公司的技术博客的阅读的积累，来提升自己相应的能力。

最后就是最重要的ML fundamental 。

从简单的统计classification和regression算法，再到深度学习的常见概念，都需要大家非常熟悉。很多做deep learning的同学很容易忽视掉basic算法理论面试的准备。这个需要注意。

面试时一旦你提到一个模型, 面试官就会盯着模型追问。所以说，只有扎实地掌握了模型原理和概念，才能在这样的连环问中存活下来。

最后，一定不能忽视behaviour questions。

很多同学忽略掉behavior都容易翻车，一定要把BQ练好。如果你有怎么我题都写出来了，ML问题都回答上了，还是没拿到offer的疑惑，你就可以反思下自己在除了技术面试之外的环节，比如BQ，是不是还有问题。

以上就是ML岗位面试的大致方向，我们针对这些方向设计了一个完整的机器学习求职辅导课程，大家有兴趣的话可以联系我们。如果对MLE求职还有任何问题，欢迎联系我们。