چگونه در فیس بوک به عنوان مهندس یادگیری ماشین

شغل پیدا کردم

 عکس پروفایل نویسنده

ماه اوت سال گذشته بود و من در مرحله مصاحبه بودم. در آن برهه از زمان ، من به ترتیب برای Google India و Amazon India به ترتیب برای نقشهای یادگیری ماشین و Data Science مصاحبه داشتم. و سپس ارشدم به من توصیه کرد که برای نقشی در فیس بوک لندن اقدام کنم.

و همین کار را کردم. با یک استخدام کننده در LinkedIn تماس گرفت ، وی یکی دیگر را به من معرفی کرد و روند من پس از چند روز برای نقش مهندس یادگیری ماشین آغاز شد.

اکنون فیس بوک فرایند کاملاً متفاوتی را در پیش می گیرد. به استخدام مهندسین یادگیری ماشین آنها برای انتخاب کارمندان آینده دور کدگذاری ، طراحی سیستم و مصاحبه های طراحی یادگیری ماشین را انجام می دهند. اکنون تا آنجا که به تجربه من به عنوان یک دانشمند داده مربوط می شد ، مصاحبه های طراحی ماشین یادگیری کاملاً مشکلی نداشتم اما مصاحبه های دیگر هنوز من را ترساندند. من به تازگی در دور اول خود مصاحبه گوگل برای مهندس نرم افزار ماشین یادگیری را انجام نداده ام ، فقط به این دلیل که برای سوالات ساختار داده آماده نبودم.

بعداً ، چون برای مصاحبه برنامه نویسی FB مطالعه کردم ، فهمیدم که کمی فکر کردم و به هیچ وجه برای مصاحبه های برنامه نویسی آماده نیستم.

در این پست ، من رویکرد خود را در مورد همه اینها شرح می دهم مصاحبه های مختلف و چگونگی روند کار برای افرادی که به نقش های MLE در سازمان های بزرگی مانند FB علاقه مند هستند ، به صورت دور و دور انجام می شود.

بنابراین ، یک بار من به استخدام کننده متصل شدم ، مرحله بعدی مصاحبه تلفنی بود.

1. مصاحبه تلفنی:

این یک مصاحبه بسیار اساسی در مورد ساختار داده و به نوعی یک بررسی عقلانیت اساسی بود. من حدس می زنم FB فقط می خواهد به شما فرصت بیشتری بدهد تا برای دورهای بعدی آماده شوید و همچنین ببینید آیا ارزش دارد که برای دورهای بعدی با شما تماس بگیریم. برای من ، این مصاحبه با یک تماس ویدیویی 45 دقیقه به طول انجامید. مصاحبه کننده با گفتن پروفایل خود در فیس بوک و به نوبه خود در مورد پروفایل من برای 10 دقیقه اول شروع کرد.

سپس ، 2 آرایه و فرهنگ لغت بسیار اساسی به من داده شد مشکلات مبتنی بر حل. مصاحبه کننده پیوند coderpad را به اشتراک گذاشت که من مجبور بودم بدون هیچ گونه گزینه قالب کد ، این مشکلات را به هر زبانی که انتخاب کردم (Not Pseudocode) بدون مشکل رفع کنم. برای این س questionsالات نیز از محدودیت های زمان محور و محدودیت های فضایی پرسیده شد. مصاحبه با من روبرو شد که زمان بدی مانند O (n³) داشتم و مصاحبه کننده می پرسد آیا می توانم بهتر عمل کنم و در صورت لزوم نکاتی را بیان می کنم.

چون اجازه ندارم س questionsالات دقیق را به اشتراک بگذارید ، من فقط س inالات قابل مقایسه ای را برای شما به اشتراک می گذارم اما همان سوالات Leetcode عمومی را برای شما ندارم تا بتوانید سطح دشواری را درک کنید و مطابق آن تمرین کنید.

الف) آرایه یکنواخت : یک آرایه در صورت افزایش یکنواخت یا کاهش یکنواخت ، یکنواخت است. اگر و فقط اگر آرایه داده شده A یکنواخت باشد ، true را برگردانید.

ب) Valid Palindrome: با توجه به یک رشته ، با توجه به تنها نویسه های عددی عددی و نادیده گرفتن موارد ، palindrome بودن آن را تعیین کنید. / p>

برنامه اقدام من برای این مصاحبه؟

این فقط دومین مصاحبه ساختار داده است که من می دادم و می خواستم کمی بعد از عملکرد ناخوشایند خود را آماده کنم در اولی بنابراین ، من فقط با درک مبانی ساختارهای داده با استفاده از کتاب مصاحبه شکستن برنامه نویسی توسط گیل لاکمان مک داول شروع کردم.

این کتاب همچنین شامل بسیاری از نکات مربوط به آماده سازی است و شما محتاط خواهید بود که آنها را بخوانید. بهترین چیزی که من در مورد این کتاب دوست دارم این است که بر خلاف مقدمه توماس کورمن در الگوریتم ها ، بسیار خلاصه است و فقط زمینه مناسبی را برای مصاحبه های کدگذاری می کند.

هر ساختار داده در 2-3 صفحه بسیار خلاصه توضیح داده شده است ، برخی از س questionsالات پیرامون آن موضوع خاص حل شده و سپس چند س questionsال عملی داده می شود. این کتاب همچنین خود را به گونه ای محدود می کند که فقط بیشترین پرسش از ساختار داده ها را دارد. به عنوان مثال ، درختان AVL و درختان قرمز-سیاه در قسمت پیشرفته نگهداری می شوند و نه در فصل درختان و نمودارها ، زیرا آنها اغلب در یک مصاحبه با زمان محدود درخواست نمی شوند.

من آماده سازی خود را با ایجاد لیستی از موضوعاتی که باید آماده کنم شروع کردم. می توانید موضوعات بیشتری را نیز تهیه کنید اما این حداقل موارد لازم برای این مصاحبه ها است.

ساختارهای داده: Array ، Sets ، Stack / Queue ، Hashmap / فرهنگ لغت ، درخت / درخت دودویی ، پشته ، نمودارها.

الگوریتم ها: تقسیم و تسخیر کنید ، DP / یادداشت سازی ، بازگشت ، جستجوی دودویی ، BFS / DFS ، درخت traversals.

سپس با استفاده از کتاب مصاحبه برنامه نویسی Cracking the coding درمورد آنها مطالعه کردم و بسیاری از مشکلات سطح آسان و چند مشکل سطح متوسط ​​را در Leetcode برای آنها حل کردم. سیستم عامل های دیگری نیز برای تمرین آنلاین وجود دارد اما من Leetcode را به دلیل طراحی خوب و بدون تبلیغات و ساختار برنامه نویسی کلاس برای راه حل ها دوست داشتم. همچنین روش خوبی برای جستجوی س questionsالات در موضوعات مختلف همراه با دشواری فراهم کرد. من همچنین مصاحبه های ساختگی بسیاری را در مورد Leetcode انجام دادم تا فقط تمرین کنم. من این کار را برای حدود یک یا دو هفته انجام دادم و هر روز حدود 3-4 ساعت وقت صرف می کردم.

من همچنین در این دوره زمانی ، که به نوعی کار می کند ، شروع به حسابرسی تخصصی الگوریتم در Coursera توسط UCSanDiego کردم. ایده ای در مورد نوع محتوای تدریس شده در دانشگاه های کارشناسی برای مقابله با مصاحبه های کدگذاری به من ارائه داد.

همچنین برخی از مطالب وبلاگ را در مورد آنچه آموخته ام نوشتم و سعی کردم آن را به سادگی توضیح دهم:

  • مقدمه ای ساده در لیست های پیوندی برای دانشمندان داده
  • 3 مفاهیم برنامه نویسی برای دانشمندان داده – بازگشت / یادآوری ، جستجوی دودویی و جستجوی دودویی >
  • برنامه نویسی پویا برای دانشمندان داده
  • مدیریت درختان در مصاحبه الگوریتمی علوم داده

    شما آزادید آنها را در وبلاگ من بررسی کنید < / ul>

    TLDR؛ فقط مباحثی را که باید برای آنها آماده شوید یادداشت کنید و بسیاری از س easyالات آسان را در مورد هر موضوع تمرین کنید. و شاید چند مورد متوسط ​​نیز.

    یک بار ، من با مصاحبه های تلفنی کار خود را تمام کردم ، استخدام کننده در یک دوره کوتاه 1 روزه بازگشت و یک تماس برقرار کرد تا روند کار را توضیح دهد مصاحبه در محل دور محل قرار بود در لندن اتفاق بیفتد و من واقعاً از چشم انداز سفر به لندن بسیار هیجان زده شدم. یک سفر کاملاً پولی. حدود 5 دور دیگر اتفاق می افتاد که می خواهم در مورد آنها صحبت کنم. من در عرض 2 ماه تاریخ مصاحبه گرفتم تا زمانی برای آماده شدن پیدا کنم. به هر حال VISA و کل روند کمی بیشتر از آن زمان برد.

    یک بار در لندن ، از هتلی که حدود ساعت 9 روز D ارائه دادند ، به دفتر فیس بوک رسیدم. یک ساعت کامل قبل از زمان مقرر ، زیرا اضطراب داشتم و به طور معمول سعی می کنم مصاحبه ها را در / قبل از زمان انجام دهم (بیشتر وقتی که آنها را می دهم). من قبلاً تمام برنامه سفر روز را می دانستم ، زیرا توسط استخدام کننده من با من به اشتراک گذاشته شد. من همچنین می دانستم چه مصاحبه ای در چه زمانی اتفاق می افتد و چه کسی آن را انجام می دهد. در واقع این سازمان یافته ترین تجربه مصاحبه بود که من تجربه کردم.

    2. کدگذاری در محل دور 1

    < p class = "paragraf"> من مدتهاست که در Science Science هستم و DS را به عنوان Data Science و نه Data Structure خوانده ام. و این مصاحبه اساساً برای من یک درد بود. این چیزی است که من در طی 2 ماه یاد گرفتم به جای اینکه تمام تجربه خود را در آن داشته باشم. و در اینجا من قرار بود به جای تمام تجربه و سابقه علوم داده ، در این مورد ارزیابی شوم. اما همانطور که توسط استخدام کننده به من گفت ، آنها فرآیندهای کاملاً ثابتی دارند و من مجبور شدم این مراحل را برای موقعیت MLE طی کنم. بنابراین من همراه هم بازی شدم.

    در مورد مصاحبه ، این به موقع شروع شد و مانند قبل ، مصاحبه کننده خود را قبل از ورود به پروفایل من برای مدت زمان بسیار کوتاه و سپس پریدن مستقیم به سوالات مصاحبه

    این بار س theالات کمی دشوارتر بود و زمان زیادی برای تدوین رویکرد و پیرامون پیچیدگی های زمان و مکان از راه حل اختصاص داده شد. از من یک رشته رشته سطح متوسط ​​که من توانستم به سرعت آن را حل کنم ، و یک مسئله جستجوی دودویی سطح متوسط ​​که بیشتر وقت من را گرفت اما سرانجام توانستم آن را حل کنم. چند مسئله قابل مقایسه (نه همان موارد) با مختصر آنها از Leetcode:

    الف) ضرب اعداد مختلط: دو رشته نشان دهنده دو عدد مختلط است. شما باید یک رشته را بازنمایی کنید که ضرب آنها را نشان دهد

    ب) Kth کوچکترین در ماتریس مرتب شده: با توجه به یک ماتریس n x n که هر یک از سطرها و ستون ها به ترتیب صعودی مرتب شده اند ، کوچکترین عنصر در ماتریس تخته سفید / لپ تاپ اما به یاد داشته باشید که آنها اجازه استفاده از قالب بندی کد و IDE را نمی دهند. من فقط یک ویرایشگر اساسی داشتم که می توانم کد را با آن بنویسم.

    برنامه اقدام من برای مصاحبه کدگذاری؟

    فقط همان طرح برای تلفن تلفنی اما گسترده تر کد نویسی به یاد دارم که برای این دورهای برنامه نویسی حدود 3-4 ساعت در روز Leetcode را به مدت 30 روز مستقیم انجام دادم. من قبلاً با کمترین زمان صرف سوالات سطح سخت ، س asالات سطح متوسط ​​را حل می کردم.

    3. دور کدگذاری در محل 2:

    تا این بار من در ساختار ساختار داده خود بودم و آماده هر چیزی که مصاحبه کننده قصد پرتاب من را داشت ، بود. حالت روحی من – “چه چیزی بدترین چیزی است که می تواند اتفاق بیفتد؟”. و بنابراین من فقط ادامه دادم. افراد در فیس بوک واقعاً خوب بودند زیرا آنها قبل و بعد از هر مصاحبه خواستار استراحت بودند و مراقبت کردند که هیچ مصاحبه ای را بیش از حد تمیز نکنند. سهام زیادی در اختیار این واقعیت بود که هر مصاحبه دقیقاً در زمان لازم با یک دوره خنک 15 دقیقه ای بین مصاحبه ها شروع می شود.

    باز هم برخی از موارد قابل مقایسه (نه همان موارد) مشكل در مشكل در تمرین همراه با توضیح مختصری از Leetcode:

    الف) سوال مبتنی بر API ذخیره مبتنی بر زمان-ارزش: ایجاد یک کلاس ذخیره کلید-مقدار ، که از دو عمل پشتیبانی می کند – تنظیم و دریافت.

    ب) ادغام لیست های مرتب شده k: به شما آرایه ای از k لیست های پیوند داده شده داده می شود ، هر لیست پیوندی به ترتیب صعودی مرتب می شود . همه لیست های پیوند را در یک لیست پیوندی مرتب شده ادغام کرده و برگردانید.

    هدف من در این مصاحبه کدگذاری این بود که بتوانم هر دو مشکلی را که مصاحبه کننده در یک زمان قرار داده بود حل کنم مدت زمان 40 دقیقه اما ، این یک مصاحبه دشوار بود و من بیشتر وقت مصاحبه را در مسئله دوم که از سطح سختی بود ، صرف کردم. اگرچه مصاحبه کننده نکاتی را برای هدایت من به سمت ساختار داده و الگوریتم مناسب بیان کرده است. در پایان ، من توانستم مسئله 1 را به طور کامل و بیشتر مسئله 2 را حل کنم.

    نکته ای برای مصاحبه شوندگان این است که تمام راه حل های شما را همراه با پیچیدگی زمانی موجود فراخوانی کنید و فقط وقتی کد نوشتن را شروع کنید که هر دو در مورد یک راه حل خوب به توافق برسید.

    همچنین ، آنچه از طریق این دو مصاحبه فهمیدم این بود که صحبت با مصاحبه کنندگان و توضیح روش شما واقعاً مفید بود در حالی که مشغول کار هستید آنها گاهی اوقات نکاتی را ارائه می دهند و گاهی شما را از رفتن به مماس اشتباه جلوگیری می کنند. حتی گفتن مصاحبه گر در جایی که گیر کرده اید به شما کمک می کند تا سیگنالی را به مصاحبه کننده بفرستد که به کدام سمت فکر می کنید. این همچنین باعث می شود که کل مصاحبه همکاری بیشتری داشته باشد و من فکر می کنم این یکی از ویژگی های مصاحبه گران است در یک شخص جستجو می کنید.

    < p class = "paragraf"> تا این مرحله ، من کمی از آن همه برنامه نویسی تخته سفید و فقط فشار کلی مصاحبه خسته شده بودم ، و چون حدود ساعت ناهار بود ، من با یک همکار / دوست مشخص به کافه تریای فیس بوک رفتم. این بخشی است که می توانید در مورد شرکت بپرسید و این زمان در مصاحبه ها رتبه بندی نشده است ، بنابراین می توانید با س questionsالاتی درباره زندگی فیس بوک و موارد دیگر کاملاً باز باشید. و می توانید در کافه تریا فیس بوک از طیف گسترده ای از غذا لذت ببرید.

    4. طراحی سیستم

    این مصاحبه دیگری بود که از آن وحشت داشتم. همانطور که می بینید ، من از بیشتر مصاحبه ها وحشت داشتم زیرا یک قالب مصاحبه کاملاً غیر طبیعی برای من بود. در مصاحبه طراحی سیستم ، انتظار می رود که یک پایان سرویس ایجاد کنید تا روی تخته سفید خاتمه یابد. برخی از مشکلات برای تمرین شما این است:

    • Netflix را چگونه طراحی می کنید؟
    • چگونه Youtube را طراحی می کنید؟
    • چگونه می خواهید طراحی کنید؟ توییتر / فیس بوک؟

    اگرچه ممکن است دلهره آور به نظر برسد ، اما در صورت آمادگی برای آن واقعاً باز است. همانطور که در اینجا هیچ جواب غلطی وجود ندارد. سیستم بسیار ابتدایی که شبیه پلت فرم است و دارای عملکرد اساسی مصاحبه کننده است. برای بیشتر سیستم عامل ها ، شامل کشیدن جعبه هایی برای سرور ، سرویس گیرنده و یک پایگاه داده روی تخته سفید است.

    ایجاد لیستی از ویژگی ها می خواهم در سیستم داشته باشید. به عنوان مثال ، دنبال کردن در شبکه های اجتماعی ، یا رزرو تاکسی در Uber ، یا دو بار علامت گذاری در Whatsapp هنگام خواندن پیام ، یا بازتوییت مجدد عملکرد در توییتر ، یا خبرخوان FB ، و غیره همه ما ویژگی های ارائه شده توسط این سیستم عامل ها را دیده ایم. تهیه لیست ویژگی ها کار چندان سختی نیست.

    ویژگی ها را در طول مصاحبه به آن اضافه کنید و گسترش / تغییر در طراحی بسیار اساسی. این ممکن است شامل افزودن ویژگی و همچنین صحبت در مورد مقیاس بندی ، مدیریت موارد لبه ، صحبت در مورد ساختار داده ها و پایگاه داده های درگیر ، استفاده از حافظه پنهان و غیره باشد.

    ادامه افزودن ویژگی ها و سیستم را تا انتها با پرسیدن مصاحبه کننده می خواهم بر اساس لیستی از ویژگی هایی که به آنها ارائه می دهم ، چه ویژگی را می خواهند اضافه کنند.

    برنامه اقدام من برای مصاحبه طراحی سیستم؟

    منابع بسیار خوبی در اینترنت برای آماده شدن برای این مصاحبه وجود دارد ، اما من می خواهم به دو مورد اشاره کنم که به نظر من بسیار مفید بودند:

    • آغازگر طراحی سیستم توسط دون مارتین: این منبعی است که هرکسی که برای طراحی سیستم آماده می شود باید حداقل یک بار اما صادقانه بارها از آن استفاده کند. مهمترین مباحثی که می توان در اینجا یاد گرفت عملکرد ، مقیاس پذیری ، تأخیر ، توان عملیاتی ، در دسترس بودن ، سازگاری ، CDN ها ، پایگاه داده ها ، حافظه پنهان ، تعادل بار و غیره است.
    • فیلم های Youtube با طراحی سیستم های مختلف در محبوب ترین سرویس ها: I من در مورد بزرگترین ها صحبت می کنم – Netflix / Youtube / WhatsApp / Facebook / Gmail / Amazon و غیره. برای طراحی سیستم همه این سرویس ها می توانید فیلم های زیادی را در یوتیوب پیدا کنید. یکی از YouTuber هایی که قطعاً می خواهم صداش کنم Techdummies خواهد بود که فیلم هایشان را برای همه این سیستم عامل های بزرگ تماشا کردم. و چه کسی حداقل برای من مفاهیم را به ساده ترین روش توضیح داد.

    من یک هفته را گذراندم و فقط از تماشای فیلم به خواندن مخزن توسط دون مارتین برای این موضوع پریدم آماده سازی مصاحبه به جلو و عقب و من فکر می کنم که این راه درست بود همچنین ، درک اصطلاحاتی که بسیاری از مهندسان از آنها استفاده می کنید بسیار سرگرم کننده بود ، بنابراین یک تجربه یادگیری خوب نیز بود.

    در پایان ، مهمترین نکته ای که در این مصاحبه وجود دارد این است که شما باید بحث را با حداقل ورودی مصاحبه کننده پیش ببرید. گاهی اوقات ممکن است مصاحبه کننده ویژگی خاصی را درخواست کند و شما باید آن را پیاده سازی کنید اما در پایان ، این سیستم شماست و شما باید ویژگی های مورد نظر خود را به منطقی ترین روش برای موفقیت در این دور ایجاد و اضافه کنید.

    5. رفتاری

    این مصاحبه سعی دارد تا نحوه مدیریت شرایط دشوار را بررسی کند. و می توانید با جذب و سازماندهی تمام تجارب کاری که در گذشته داشته اید ، مشکلاتی که با آن روبرو شده اید و راه حل هایی که طراحی کرده اید ، برای این مصاحبه آماده شوید. شما باید تمام مواردی را که یک وضعیت غیرممکن را منتشر کرده اید و یا موفق به کنار آمدن با آن نشده اید ، جمع آوری کنید.

    تمام مواردی که بهترین راه برای هدایت این مصاحبه را گفتند این است که خودت باش!

    برای من ، این مصاحبه درست مثل بحث با مصاحبه کننده بود. او ابتدا با معرفی خود و کارهایی که در FB انجام می داد شروع کرد. وی سپس از من در مورد پروژه هایی که کار می کردم س askedال کرد و بحث کوچکی در مورد بخش ML پروژه ها داشتیم.

    سپس این یک بحث بسیار عادی بود که من چگونه می توانم در شرایطی حل کنم / رفتار کنم مانند “اشتباهی که در حرفه خود مرتکب شده اید ، به آن افتخار نمی کنید؟” (نه س exactالی دقیق از من پرسیده شد) اگر در حین آماده شدن برای این مصاحبه به نوعی تمام تجربیات خوب و بد را به خاطر بیاورید و داستان های کوچک را قاب کنید ، مفید است.

    اما باز هم نکته اصلی صادق بودن و پاسخ کاملاً طبیعی به س likeالی مانند این است: “آیا با همکار خود اختلاف داشتید؟” اگر اختلاف صفر داشته باشید ، نمی تواند باشد. در مورد پاسخ های خود بسیار صادق باشید زیرا مصاحبه کنندگان در این دور رفتاری در صورت دروغ گفتن به راحتی از طریق شخصی نگاه می کنند.

    تا آنجا که به نظر من ، این مصاحبه برای من بسیار خوب پیش رفته است.

    6. طراحی سیستم ML

    این مصاحبه ای بود که با نقاط قوت من بازی کرد و صادقانه گفت ، من خیلی برای آن آماده نبودم. انتظار می رفت در این مصاحبه سیستمی برای حل مسئله ML تا پایان ایجاد کنم.

    در این مصاحبه ، مصاحبه گر فقط در حال ارزیابی توانایی شما برای تبدیل یک مشکل تجاری به سیستم یادگیری ماشین. بنابراین ممکن است به شما یک عبارت مساله مانند ایجاد یک سیستم برای ایجاد یک اخبار خبری با استفاده از یادگیری ماشین ، یا ایجاد یک سیستم برای فیلتر کردن نظرات سمی یا صادقانه هر سیستم یادگیری ماشین به شما داده شود.

    شما می خواهید سپس باید در حالی که در مورد جنبه های مختلف جمع آوری داده ها و داده ها ، EDA ، مهندسی ویژگی ها ، ارزیابی مدل ، آزمایش مدل ، قرار دادن مدل در تولید و در نهایت نگهداری و بازخورد صحبت می کنید ، یک سیستم از پایان تا پایان طراحی کنید.

    منبع خوبی برای آماده شدن برای این مصاحبه از خود فیس بوک است: معرفی راهنمای زمینه فیس بوک برای سری فیلم های یادگیری ماشین ، که تنها آمادگی من برای این مصاحبه است.

    و این یک روز!

    و چه روزی بود. بعد از مصاحبه ، من فقط در لندن به میدان ترافالگار رفت و آمد کردم و فقط مردم را تماشا کردم که مشغول ترفندها و بازی های مختلف بودند. و سپس یک پیاده روی به هتل من برگردید.

    برای پایان ، این فقط یک تجربه مصاحبه خوب بود و چیزی که انتظار نداشتم برای من خوب باشد. ساختارهای داده دلیل اصلی آن بود که من هرگز در سازمانهای بزرگ برای دریافت نقش ML درخواست نمی کردم ، اما وقتی در مورد آنها مطالعه کردم ، آنها را بسیار قابل انجام یافتم و چیزی را می توان یاد گرفت که اگر می توانید برای آنها وقت بگذارید.

    بنابراین ، من فقط یک سال بعد به عنوان مهندس نرم افزار (MLE) به فیس بوک لندن پیوستم و پیوستنم به دلایل مربوط به COVID تمدید شد. به امید اینکه این تجربه به خوبی پیش برود.

    ادامه یادگیری

    اگر می خواهید در مورد الگوریتم ها و ساختارهای داده ها به صورت ساختار یافته بیشتر بخوانید ، در اینجا یک <قوی > تخصص الگوریتم در دوره های آموزشی توسط UCSanDiego . من در حین آماده سازی به نوعی این دوره را حسابرسی کردم.

    با تشکر از مطالعه شما. من در آینده نیز می خواهم پست های بیشتری برای مبتدیان بنویسم. در وبلاگ من مشترک شوید تا از آنها مطلع شوید

    همچنین ، یک انکار کوچک – در آنجا ممکن است برخی از لینک های وابسته در این پست به منابع مربوطه باشد ، زیرا اشتراک دانش هرگز ایده بدی نیست.

    برچسب ها