面试题库 - 学习指南¶
全面覆盖AI算法岗面试,22个题库按类别组织
📊 题库总览(按类别)¶
🧠 AI/大模型方向(01-11, 22)——核心必刷¶
| 题库 | 内容 | 优先级 |
|---|---|---|
| 01-模型量化基础概念 | 量化原理/方法/效果 | ⭐⭐⭐⭐ |
| 02-量化算法详解 | PTQ/QAT/GPTQ/AWQ | ⭐⭐⭐⭐ |
| 03-量化精度损失评估 | 精度指标/损失分析/补偿 | ⭐⭐⭐ |
| 04-常见面试问题和解答 | 量化面试题合集 | ⭐⭐⭐⭐ |
| 05-实际项目经验分享 | 量化项目案例/踩坑 | ⭐⭐⭐ |
| 06-大模型基础理论 | Transformer/预训练/微调 | ⭐⭐⭐⭐⭐ |
| 07-Transformer架构 | 注意力/位置编码/多头 | ⭐⭐⭐⭐⭐ |
| 08-预训练和微调 | LoRA/QLoRA/PEFT | ⭐⭐⭐⭐⭐ |
| 09-推理优化 | 推理加速/量化/蒸馏/缓存 | ⭐⭐⭐⭐⭐ |
| 10-实际项目经验 | 项目经验/问题解决 | ⭐⭐⭐⭐ |
| 11-前沿技术 | Agent/RAG/推理系统/最新进展 | ⭐⭐⭐⭐⭐ |
| 22-大模型核心八股文 | Attention/训练/推理/RAG/Agent全面覆盖 | ⭐⭐⭐⭐⭐ |
💻 CS基础方向(12-17)——大厂必考¶
| 题库 | 内容 | 优先级 |
|---|---|---|
| 12-算法与数据结构 | 排序/树/图/DP | ⭐⭐⭐⭐⭐ |
| 13-系统设计 | 高并发/分布式/AI系统 | ⭐⭐⭐⭐ |
| 14-行为面试BQ | STAR法则/冲突处理/领导力 | ⭐⭐⭐⭐ |
| 15-计算机网络 | TCP/IP/HTTP/DNS | ⭐⭐⭐ |
| 16-操作系统 | 进程/线程/内存/调度 | ⭐⭐⭐ |
| 17-数据库 | MySQL/Redis/索引/事务 | ⭐⭐⭐ |
🔧 编程语言(18-19)¶
| 题库 | 内容 | 优先级 |
|---|---|---|
| 18-Python面试题 | GIL/装饰器/生成器/异步 | ⭐⭐⭐⭐ |
| 19-Java面试题 | JVM/并发/Spring/GC | ⭐⭐⭐ |
🎯 综合实战(20-21)¶
| 题库 | 内容 | 优先级 |
|---|---|---|
| 20-项目经验面试指南 | STAR模板/项目包装/反问 | ⭐⭐⭐⭐⭐ |
| 21-AI Agent与RAG | Agent架构/RAG优化/工具调用 | ⭐⭐⭐⭐⭐ |
📎 更多面试资源: - AI系统设计面试 → AI系统设计面试 - 各方向专项50题 → 各教程目录下
面试准备/子文件夹 - 简历与求职策略 → 简历与求职
📚 推荐刷题路线¶
第一周:AI核心理论
├── 06-大模型基础理论 → 07-Transformer架构 → 08-预训练和微调
├── 09-推理优化 → 11-前沿技术
├── 21-AI Agent与RAG
└── 22-大模型核心八股文(贯穿全程,反复复习)
第二周:量化专题 + 项目经验
├── 01~05 模型量化系列
├── 10-实际项目经验 → 20-项目经验面试指南
└── 14-行为面试BQ
第三周:CS基础
├── 12-算法与数据结构(持续刷题)
├── 15-计算机网络 → 16-操作系统 → 17-数据库
├── 18-Python面试题 / 19-Java面试题
└── 13-系统设计
🎯 学习目标¶
完成本教程后,你将能够:
- ✅ 深入理解模型量化的原理和方法
- ✅ 掌握大模型的核心理论和架构
- ✅ 熟悉常见的面试题型和解答思路
- ✅ 能够结合实际项目经验回答问题
- ✅ 了解前沿技术和发展趋势
- ✅ 自信应对AI相关面试
📖 前置知识¶
- Python编程基础
- 深度学习基础(PyTorch或TensorFlow)
- 了解Transformer架构
- 基本的线性代数和概率论知识
🛠️ 推荐工具¶
- 深度学习框架: PyTorch, TensorFlow
- 量化工具: bitsandbytes, GPTQ, AWQ
- 模型库: Hugging Face Transformers
- 面试准备: LeetCode, GitHub项目
💡 学习建议¶
- 理论结合实践
- 理解量化原理后动手实现
- 在实际模型上应用量化技术
-
记录实验结果和心得
-
系统化学习
- 按照学习路径循序渐进
- 每个章节都做笔记
-
定期复习巩固
-
模拟面试
- 和同学朋友互相提问
- 计时练习回答
-
录音复盘改进
-
项目经验积累
- 参与开源项目
- 完成个人项目
- 总结技术要点
📊 学习进度跟踪¶
使用以下表格跟踪你的学习进度:
| 章节 | 完成度 | 练习题 | 面试准备 |
|---|---|---|---|
| 01-模型量化基础概念 | ⬜ | ⬜ | ⬜ |
| 02-量化算法详解 | ⬜ | ⬜ | ⬜ |
| 03-量化精度损失评估 | ⬜ | ⬜ | ⬜ |
| 04-常见面试问题和解答 | ⬜ | ⬜ | ⬜ |
| 05-实际项目经验分享 | ⬜ | ⬜ | ⬜ |
| 06-大模型基础理论面试题 | ⬜ | ⬜ | ⬜ |
| 07-Transformer架构面试题 | ⬜ | ⬜ | ⬜ |
| 08-预训练和微调面试题 | ⬜ | ⬜ | ⬜ |
| 09-推理优化面试题 | ⬜ | ⬜ | ⬜ |
| 10-实际项目经验面试题 | ⬜ | ⬜ | ⬜ |
| 11-前沿技术面试题 | ⬜ | ⬜ | ⬜ |
| 12-算法与数据结构面试题 | ⬜ | ⬜ | ⬜ |
| 13-系统设计面试题 | ⬜ | ⬜ | ⬜ |
| 14-行为面试题BQ | ⬜ | ⬜ | ⬜ |
| 15-计算机网络面试题 | ⬜ | ⬜ | ⬜ |
| 16-操作系统面试题 | ⬜ | ⬜ | ⬜ |
| 17-数据库面试题 | ⬜ | ⬜ | ⬜ |
| 18-Python面试题 | ⬜ | ⬜ | ⬜ |
| 19-Java面试题 | ⬜ | ⬜ | ⬜ |
| 20-项目经验面试指南 | ⬜ | ⬜ | ⬜ |
| 21-AI Agent与RAG面试专题 | ⬜ | ⬜ | ⬜ |
| 22-大模型核心八股文 | ⬜ | ⬜ | ⬜ |
🤝 社区与资源¶
- GitHub: 搜索相关开源项目和代码
- Hugging Face: 模型和工具资源
- ArXiv: 最新研究论文
- 知乎/掘金: 技术博客和经验分享
- LeetCode: 算法题练习
🔗 外部学习资源¶
📝 面试题库网站¶
中文题库¶
- 牛客网 - https://www.nowcoder.com/
- 国内最大的面试题库
- 包含AI/算法/系统设计等题目
-
大厂面试经验分享
-
力扣中国 - https://leetcode.cn/
- 经典算法题库
- 中文题解和讨论
-
面试热点题目
- 经典面试题集
- 代码实现和解析
-
高频面试题
-
Hello算法 - https://www.hello-algo.com/
- 可视化算法教程
- 面试常考算法
- 代码实现详解
英文题库¶
- LeetCode - https://leetcode.com/
- 全球最大的算法题库
- 面试必备平台
-
多语言题解
-
InterviewBit - https://www.interviewbit.com/
- 系统化面试准备
- 算法和系统设计
-
模拟面试功能
-
Pramp - https://www.pramp.com/
- 在线模拟面试
- 与真人练习
- 代码面试准备
📚 技术面试准备资源¶
算法和数据结构¶
- 算法可视化 - https://visualgo.net/zh
- 算法动画演示
- 直观理解算法过程
-
支持多种数据结构
- 经典算法教材
- Java代码实现
-
配套练习题
-
算法导论 - https://mitpress.mit.edu/books/introduction-algorithms-fourth-edition
- 算法理论权威教材
- 深入理解算法原理
- 适合进阶学习
深度学习和AI¶
- 深度学习面试题 - https://github.com/iamkrish/Deep-Learning-Interview-Questions
- GitHub上的深度学习面试题集
- 涵盖理论和实践
-
持续更新
- 机器学习面试题汇总
- 包含答案和解析
-
实用性强
-
AI面试准备 - https://github.com/khangich/machine-learning-interview
- 机器学习面试资源
- 算法和项目经验
- 大厂面试真题
🏢 大厂面试经验分享¶
中文资源¶
- 牛客网面试经验 - https://www.nowcoder.com/discuss/experience
- 各公司面试经验
- 面试流程和题目
-
用户真实分享
- 面试经验分享
- 技术问题讨论
-
职业发展建议
-
掘金面试专栏 - https://juejin.cn/tag/面试
- 前端/后端面试
- 算法面试经验
-
面试技巧分享
-
脉脉 - https://maimai.cn/
- 职场社交平台
- 面试经验交流
- 公司内推信息
英文资源¶
- Blind - https://www.teamblind.com/
- 科技公司员工社区
- 面试经验分享
-
薪资讨论
-
LeetCode Discuss - https://leetcode.com/discuss/
- 面试题讨论区
- 题解分享
-
面试经验
-
Glassdoor - https://www.glassdoor.com/
- 公司评价和面试
- 面试问题汇总
- 薪资信息
💻 算法和数据结构练习平台¶
在线练习¶
- LeetCode - https://leetcode.com/
- 3000+算法题
- 按难度分类
-
竞赛模式
-
力扣中国 - https://leetcode.cn/
- 中文版LeetCode
- 国内题库
-
中文题解
-
Codeforces - https://codeforces.com/
- 竞赛编程平台
- 高质量题目
-
排名系统
-
AtCoder - https://atcoder.jp/
- 日本竞赛平台
- 题目质量高
- 适合进阶
算法竞赛¶
- ACM/ICPC - https://icpc.global/
- 国际大学生程序设计竞赛
- 团队竞赛
-
提升算法能力
-
TopCoder - https://www.topcoder.com/
- 算法竞赛平台
- 挑战赛模式
- 奖金竞赛
🏗️ 系统设计面试资源¶
学习资源¶
- System Design Primer - https://github.com/donnemartin/system-design-primer
- GitHub上最流行的系统设计教程
- 涵盖所有核心概念
-
大厂面试真题
-
System Design Interview - https://github.com/checkcheckzz/system-design-interview
- 系统设计面试题集
- 中文详细解析
-
实战案例
-
Grokking the System Design Interview - https://www.educative.io/courses/grokking-the-system-design-interview
- 系统设计课程
- 14个经典案例
- 可视化讲解
实战案例¶
- Design Gurus - https://www.designgurus.io/
- 系统设计课程
- 面试准备
-
案例分析
-
ByteByteGo - https://bytebytego.com/
- 系统设计教程
- 视频讲解
- 面试准备
🗣️ 行为面试准备材料¶
STAR法则¶
- STAR方法详解 - https://zety.com/blog/star-method-interview
- STAR方法完整指南
- 行为面试技巧
-
案例示例
-
行为面试题库 - https://www.glassdoor.com/Interview/behavioral-interview-questions-SRCH_KO0,11.htm
- 常见行为面试题
- 回答技巧
- 示例答案
软技能¶
- 沟通技巧 - https://www.mindtools.com/pages/article/communication-skills.htm
- 有效沟通技巧
- 面试表达
-
团队协作
- 哈佛商业评论
- 领导力发展
- 管理技能
📖 综合面试准备¶
面试技巧¶
- 面试准备指南 - https://www.themuse.com/advice/interview-preparation
- 全面面试准备
- 常见问题
-
注意事项
-
面试礼仪 - https://www.indeed.com/career-advice/interviewing/interview-etiquette
- 面试礼仪指南
- 着装建议
- 行为规范
模拟面试¶
- Pramp - https://www.pramp.com/
- 在线模拟面试
- 与真人练习
-
代码面试
-
Interviewing.io - https://interviewing.io/
- 匿名模拟面试
- 真实面试官
- 录像回放
📱 移动端应用¶
面试准备APP¶
- 牛客网APP - 移动端面试准备
- 随时刷题
- 面试经验
-
在线讨论
-
力扣APP - LeetCode移动端
- 算法刷题
- 题解查看
-
进度跟踪
-
Interview Prep - 面试准备工具
- 行为面试题
- 录音练习
- 答案提示
📝 面试准备清单¶
简历准备¶
- 突出相关项目经验
- 量化技术栈和工具
- 量化成果和指标
- 开源贡献和博客
技术准备¶
- 掌握核心概念和原理
- 熟悉常见算法和实现
- 了解最新技术趋势
- 准备项目案例
软技能准备¶
- 练习表达和沟通
- 准备自我介绍
- 模拟面试场景
- 准备提问环节
📝 常见问题¶
Q: 面试中最常问的问题是什么?¶
A: 通常会问量化原理、算法细节、项目经验等。建议重点准备这些内容。
Q: 如何展示项目经验?¶
A: 使用STAR法则(Situation, Task, Action, Result)描述项目,突出量化成果。
Q: 需要掌握哪些编程语言?¶
A: Python是必须的,了解C++会有加分。重点掌握深度学习框架的使用。
🚀 开始学习¶
选择你的起点,开始学习之旅!
- 如果你是初学者,从01-模型量化基础概念开始
- 如果你有基础,可以直接跳到04-常见面试问题和解答
- 如果关注大模型,查看06-大模型基础理论面试题
祝你面试成功! 🎉
最后更新日期:2026-02-12 适用版本:面试题库 v2026