كيفاش تستعمل مستودع أسئلة مقابلات هندسة الذكاء الاصطناعي حسب الشركة

شنو كيوفّر هاد المشروع

أسئلة مقابلات هندسة الذكاء الاصطناعي حسب الشركة هو مورد مُنتقى للتحضير، فيه أسئلة مقابلات منشورة للعموم من 35 شركة. الأسئلة مرتبة حسب المواضيع التقنية المتكررة وحسب الشركة، باش يسهل عليك تعرف التوقعات الشائعة وتوجد لدورة مقابلة معيّنة.

المستودع مناسب لأدوار بحال مهندس الذكاء الاصطناعي، مهندس الذكاء الاصطناعي التوليدي، مهندس LLM، مهندس الذكاء الاصطناعي الوكيلي، مهندس تعلّم الآلة، مهندس البحث، العالم التطبيقي، مهندس النشر المتقدّم، مهندس حلول الذكاء الاصطناعي، مهندس منصات الذكاء الاصطناعي، مهندس MLOps، ومهندس LLMOps.

الأسئلة مجموعَة من تجارب مقابلات منشورة للعموم. عمليات المقابلة كتختلف حسب الفريق، والأقدمية، والمنطقة، والوقت، لذلك خاص التعامل مع هاد المجموعة كخريطة للتحضير وماشي كنص حرفي ودقيق.

المزايا الرئيسية

• تنظيم حسب الشركة: تصفّح الأسئلة المرتبطة بمختبرات الذكاء الاصطناعي الرائدة، وشركات التكنولوجيا الكبرى، ومزوّدي البنية التحتية، وشركات المنتجات المبنية على الذكاء الاصطناعي، ومؤسسات الذكاء الاصطناعي.
• لوائح المواضيع بين الشركات: بْدا بالأسئلة اللي كتعاود عند أكثر من مشغّل، عوض ما تقرا مدخلات مكررة.
• تغطية الأدوار: وجد راسك لأدوار البحث، والذكاء الاصطناعي التطبيقي، والمنصات، والاستدلال، والوكلاء، والحلول، والعمليات.
• سياق المقابلات المبلّغ عليه: أقسام الشركات كتشرح الأدوار المشمولة، ودورات المقابلات المبلّغ عليها للعموم، والمواضيع الخاصة بكل شركة.
• شروحات مرتبطة: بزاف ديال الأسئلة فيها روابط لمقالات أو فيديوهات فيها الجواب أو شرح أعمق.
• تحديثات مستمرة: القائمون على الصيانة كيقولوا إنهم غادي يبقاو يضيفو أسئلة وأجوبة.

المواضيع المشمولة

قسم الأسئلة المشتركة مقسّم لمجالات رئيسية فهندسة الذكاء الاصطناعي. استعمل هاد المجالات كأساس لخطة الدراسة ديالك.

الأجزاء الداخلية والبنية المعمارية ديال LLM

هاد القسم كيغطي الانتباه، وذاكرات KV المؤقتة، وMQA، وGQA، وMLA، وFlashAttention، والتقسيم إلى رموز، والترميز الموضعي، وRoPE، وقوانين التوسع، ونماذج مزيج الخبراء، والتطبيع، وشبكات التغذية الأمامية ديال transformer، واستراتيجيات فك الترميز.

من بين الأسئلة النموذجية:

• علاش كيستعمل الانتباه بناتج الضرب النقطي المُقاس العامل 1/sqrt(d_k)؟
• شنو هي الآثار ديال ذاكرة KV المؤقتة ملي كيكبر الحجم؟
• علاش تقدر FlashAttention تكون أسرع بلا ما تنقص FLOPs؟
• شنو الفرق بين فك الترميز الجشع، والبحث بالحزمة، وtop-k، وtop-p، وأخذ العينات بدرجة الحرارة؟
• شنو كيوقع لكل tensor أثناء المرور الأمامي ديال transformer اللي كيستعمل decoder فقط؟

الاستدلال، والتقديم، وأداء GPU

هاد الفئة كتركّز على نشر نماذج LLM بكفاءة. كتضم سلوك prefill وdecode، والتجميع المستمر، وPagedAttention، وفك الترميز التخميني، وتخزين prompts مؤقتاً، والتكميم، والتوازي، ومقاييس زمن الاستجابة، وتقديرات سعة GPU، وأطر التقديم.

خاصك تكون مستعد تناقش التعريفات والمفاضلات التشغيلية بجوج. مثلاً، يقدر المحاوِر يطلب منك تشخّص علاش تضاعف p99 ديال زمن الاستجابة من بعد النشر، أو تقدّر الذاكرة اللازمة لتقديم نموذج فيه 70 مليار بارامتر.

RAG والاسترجاع

قسم الاسترجاع كيغطي تقسيم المحتوى إلى مقاطع، والاسترجاع المتناثر والكثيف، والبحث الهجين، وإعادة الترتيب، وتقييم الاسترجاع، وHyDE، وRAG الوكيلي، وفهارس أقرب جار تقريبية، والاسترجاع المراعي للصلاحيات، وحداثة الفهرس، وتحليل الوثائق، ونَسب الاستشهادات.

الوكلاء واستعمال الأدوات

الأسئلة المرتبطة بالوكلاء كتفحص ReAct، واستدعاء الأدوات، وMCP، وإعادة المحاولة، والمهلات، ومخططات الأدوات، وتنسيق عدة وكلاء، والذاكرة، وإنهاء الحلقات، وموافقة الإنسان، وقابلية التدقيق، وانحراف الوكيل فالمهام طويلة المدة.

الضبط الدقيق والمواءمة

هاد القسم كيشمل RLHF، وPPO، وDPO، وGRPO، وLoRA، وQLoRA، وضبط prompts وprefix، والنسيان الكارثي، والتعلّم المعزز بمكافآت قابلة للتحقق، واختراق المكافآت، وتقطير المعرفة.

التقييم وقابلية المراقبة

أسئلة التقييم كتهضر على أنظمة LLM-as-judge، والحقيقة المرجعية المحدودة، وتسميات الخبراء المكلفة، واكتشاف الهلوسة، وبوابات التراجع اللي كتحدد واش خاص تغييرات النموذج أو prompt تمشي للإنتاج.

الولوج والإعداد

هاد المشروع هو مستودع توثيق وماشي مكتبة برمجية، لذلك ما كايناش حاجة لتثبيت الحزم. تقدر تقراه مباشرة على GitHub.

الخيار 1: استعملو فالمتصفح

1. حلّ المستودع على GitHub.
2. استعمل جدول المحتويات باش تفتح Common Questions Asked Across Companies.
3. اختار فئة تقنية بحال RAG، أو الاستدلال، أو الوكلاء.
4. تبع الأجوبة المرتبطة ملي كتكون متوفرة.
5. من بعد ما تكمل المحتوى المشترك، انتقل للقسم ديال الشركة اللي مستهدفها.

الخيار 2: نزّلو محلياً

تنزيل المستودع كيوفّر نسخة بلا إنترنت تقدر تقلب فيها، وتضيف ليها ملاحظات، وتحدّثها.

git clone https://github.com/pallavi-shekhar/ai-engineering-interview-questions-company-wise.git
cd ai-engineering-interview-questions-company-wise

باش تجيب التحديثات المستقبلية، شغّل:

git pull

من بعد تقدر تفتح README فمحرر نصوص أو عارض Markdown، وتستعمل البحث الكامل على النص باش تلقى شركة، أو تقنية، أو كلمة مفتاحية.

الاستعمال الأساسي: بنِ خطة للتحضير

الخطوة 1: اختار الدور اللي باغي

بْدا بتحديد الدور، حيث المناصب المختلفة كتركّز على أجزاء مختلفة من المستودع. دور فاستدلال LLM يقدر يحتاج معرفة أعمق بـ GPU والتقديم، بينما دور فالذكاء الاصطناعي التطبيقي يقدر يركّز أكثر على RAG، والتقييم، والمفاضلات ديال المنتج.

مثال بسيط على الربط بين الدور والموضوع يقدر يكون هكا:

• مهندس LLM ولا الاستدلال: الأجزاء الداخلية ديال Transformer، ذاكرة KV-cache، التجميع، التكميم، التوازي، والإنتاجية.
• مهندس الذكاء الاصطناعي التطبيقي: RAG، الوكلاء، التقييم، صياغة التعليمات، وقرارات الضبط الدقيق.
• مهندس الوكلاء: مخططات الأدوات، إعادة المحاولة، الذاكرة، إنهاء الحلقات، التنسيق، والموافقة البشرية.
• مهندس MLOps ولا LLMOps: مقاييس الخدمة، قابلية المراقبة، بوابات اختبار التراجع، تخطيط السعة، وتشخيص مشاكل الإنتاج.

الخطوة 2: كمّل الأسئلة المشتركة اللولة

الـREADME كينصح بشكل واضح تبدا بالأسئلة اللي كيتعاودو بين الشركات. هاد الشي كيعطيك تغطية واسعة وكيمنعك تعاود نفس المراجعة.

على كل سؤال، وجد راسك بأربع مستويات ديال الفهم:

1. التعريف: شرح المفهوم بوضوح فجملة ولا جوج.
2. الآلية: وصف كيفاش كيخدم من الداخل.
3. المفاضلات: شرح الفوائد، التكاليف، الحدود، وحالات الفشل.
4. التطبيق: عطِ مثال على وقتاش غادي تستعملو ولا ما غاديش تستعملو.

الخطوة 3: استعمل الأجوبة المرتابطة بشكل انتقائي

بزاف ديال المداخل فيها روابط لمقالات ولا فيديوهات ديال Outcome School. قرا السؤال قبل ما تفتح الجواب وحاول تجاوب عليه من الذاكرة. من بعد استعمل المادة المرتابطة باش تحدد التفاصيل اللي ناقصاك.

مثلاً، سؤال KV-cache خاصو يوصلك لأبعد من تعريف بسيط. التحضير النهائي ديالك خاصو يشمل الغرض من الكاش، كيفاش كيكبر مع طول السلسلة، التأثير ديالو على الذاكرة، وتقنيات الخدمة المستعملة لتدبيرو.

الخطوة 4: درس الشركة المستهدفة

من بعد ما تغطي المواضيع المشتركة، حلّ القسم ديال الشركة اللي باغي تخدم فيها. المستودع كيقسم المؤسسات لفئات بحال مختبرات الذكاء الاصطناعي الرائدة، شركات التكنولوجيا الكبرى، شركات البنية التحتية، شركات المنتجات المبنية أصلاً على الذكاء الاصطناعي، وشركات الذكاء الاصطناعي الموجهة للمؤسسات.

استعمل قسم الشركة باش تحدد:

• الأدوار اللي كتمثلها تجارب المقابلات المبلغ عليها.
• البنية المعلنة للعمليات ديال المقابلة.
• الأسئلة ولا المواضيع الخاصة أكثر بهاد المؤسسة.
• المجالات التقنية اللي خاصها تدريب إضافي.

الخطوة 5: حوّل الأسئلة لتدريب عملي

ما تقراش المداخل غير هكاك. جاوب عليها بصوت مسموع، كتب شروحات قصيرة، اشتق الصيغ المرتابطة، وتدرّب على أسئلة المتابعة.

فمثال سؤال على التجميع المستمر، استعمل هاد البنية فالجواب:

1. عرّف التجميع الثابت والتجميع المستمر.
2. شرح علاش الطلبات كتسالي فأوقات مختلفة.
3. وصف كيفاش يمكن إعادة استعمال الخانات اللي تحررات فالتجميع.
4. ربط الآلية بالاستغلال والإنتاجية.
5. ناقش مفاضلات الجدولة، زمن الاستجابة، والتنفيذ.

أمثلة تطبيقية على المراجعة

المثال 1: التحضير لسؤال على الاستدلال

فترض اخترتي السؤال اللي كيسول علاش مرحلة prefill مرتبطة بالحساب، بينما decoding مرتبطة بعرض نطاق الذاكرة.

1. عرّف مرحلتي prefill وdecode.
2. شرح كيفاش يمكن معالجة رموز السؤال بشكل متوازي أثناء prefill.
3. شرح علاش فك الترميز التلقائي كينتج الرموز بالتتابع.
4. ربط الولوج المتكرر للأوزان أثناء فك الترميز بعرض نطاق الذاكرة.
5. ربط هاد الفرق بـTTFT، وزمن الاستجابة لكل رمز، والتجميع، وبنية الخدمة.
6. قرا الشرح المرتابط بـprefill وdecode وحسّن جوابك.

المثال 2: التحضير لسؤال تصميم RAG

فالسؤال ديال اختيار BM25، ولا الاسترجاع الكثيف، ولا بجوج، بنِ جوابك على المتطلبات بدل ما تسمي مسترجعاً واحداً على أنه الأفضل دائماً.

1. حدد corpus، أنواع الاستعلامات، الهدف ديال زمن الاستجابة، ومقياس التقييم.
2. ناقش نقاط قوة المطابقة المعجمية مع المصطلحات الدقيقة.
3. ناقش الاسترجاع الدلالي فاللغة المرتابطة من ناحية المفهوم.
4. شرح فوقاش يقدر البحث الهجين يكون مفيداً.
5. وصف كيفاش غادي تقيّم الاسترجاع قبل ما تقيّم الأجوبة المولدة.
6. زيد اهتمامات تشغيلية بحال الصلاحيات، حداثة الفهرس، وكلفة إعادة الترتيب.

المثال 3: التحضير لسؤال موثوقية الوكلاء

بالنسبة لأخطاء استدعاء الأدوات، والمهلات، وإعادة المحاولة، بنِ الجواب بحال حلقة تحكم فالإنتاج:

تحقق من الطلب
استدعِ الأداة مع مهلة
صنّف الفشل
عاود المحاولة غير فوقت مناسب
طبّق حدود إعادة المحاولة والكلفة
سجّل الإجراء والنتيجة
صعّد الأمر ولا وقف بأمان

من بعد، الأسئلة المرتابطة فالمستودع تقدر توسّع النقاش لإنهاء الحلقات، والموافقة البشرية، والإجراءات القابلة للعكس، وقابلية التدقيق، والانحراف أثناء المهام الطويلة.

نصائح متقدمة للتحضير

تدرّب على الاشتقاقات، ماشي غير التعاريف

بعض الأسئلة كتطلب بشكل صريح صيغاً ولا تقديرات رقمية. تدرّب على حساب ذاكرة KV-cache، وذاكرة أوزان النموذج بدقات مختلفة، وذاكرة الضبط الدقيق، وسعة الخدمة التقريبية. صرّح بالافتراضات قبل الحساب، حيث النتائج كتبدل حسب البنية، والدقة، وحجم الدفعة، وطول السلسلة.

ربط المفاهيم بين الفئات

الأجوبة القوية فالمقابلات كتربط غالباً بين البنية والسلوك فالإنتاج. مثلاً:

• تصميم KV-cache كيربط انتباه Transformer بذاكرة GPU وسعة الخدمة.
• التكميم كيربط الدقة العددية بجودة النموذج، واستعمال الذاكرة، والإنتاجية.
• التقسيم كيربط بنية الوثيقة باسترجاع المعلومات ونَسب الجواب لمصدره.
• تصميم مخطط الأداة كيربط سلوك النموذج بموثوقية الوكيل وسلامتو.
• اختيارات الضبط الدقيق كترْبط جودة البيانات بالكلفة، وزمن الاستجابة، والنسيان الكارثي.

حوّل أسئلة الأنظمة لمناقشة ديال المتطلبات

مني كيتطلب منك تصمّم نظام ديال الذكاء الاصطناعي، بدا بالقيود والمتطلبات عوض ما تسمي الأدوات مباشرة. وضّح حجم الترافيك المتوقع، والكمون، والجودة، وحداثة البيانات، والخصوصية، والصلاحيات، وكيفاش غادي يتعالج الفشل، والتكلفة. من بعد، شرح كيفاش كل قرار معماري كيعالج هاد المتطلبات.

وجّد أطر تشخيصية

المقابلات ديال الإنتاج غالباً كتستعمل سيناريوهات عوض أسئلة معلوماتية مباشرة. فحالة تراجع فالكمون، قسّم البحث على السبب لفئات: التغييرات الأخيرة، وشكل الترافيك، والانتظار فالطوابير، وطول البرومبتات، وطول المخرجات، والمعالجة على دفعات، وسلوك الكاش، واستعمال الـGPU، والضغط على الذاكرة، والاعتماديات الشبكية، والخدمات اللاحقة.

حافظ على متتبّع مبني على الأدلة

دير لائحة محلية فيها نقطة ثقة لكل سؤال:

0 - ما شفتوش من قبل
1 - كنعرف الموضوع
2 - نقدر نشرح التعريف
3 - نقدر نشرح الآلية والمفاضلات
4 - نقدر نجاوب على الأسئلة المتابعة أو ندير الحسابات
5 - نقدر نعلّمو ونتعامل مع اختلافات التصميم

راجع الأسئلة الشائعة اللي عندك فيها نقاط منخفضة قبل ما تضيّع الوقت فمواضيع ضيقة مرتبطة بشركة معيّنة.

دير مقابلات تجريبية حسب الشركة

اختار الأسئلة المرتبطة بالمشغّل اللي مستهدف وجاوب عليها داخل وقت محدد. طلب من شريك التدريب يتحدّى الافتراضات ديالك، ويطلب حسابات، ويدخل حالات فشل، أو يبدّل المتطلبات. هاد الشي كيعكس حوار المقابلة حسن من حفظ أجوبة ثابتة.

خد بعين الاعتبار تحديثات المستودع

المشرفين ناويين يزيدو أسئلة وأجوبة جديدة. إلا كلونّيتي المستودع، دير git pull بشكل دوري. وإلا كتستعمل نسخة المتصفح، عاود راجع أقسام الأسئلة الشائعة والشركات المستهدفة قبل المقابلة.

قيود مهمة

• الأسئلة المبلّغ عليها ما كتضمنش شنو غادي يسولك عليه أي محاوِر فالمستقبل.
• مراحل المقابلة تقدر تختلف حسب الفريق، والمستوى، والموقع، وفترة التوظيف.
• ماشي كل سؤال عندو حالياً جواب مرتبط به.
• الشرح المرتبط خاصو يعاونك فالتدريب العملي، وما يعوّضوش.
• الارتباط بالشركة خاصو يتستعمل باش ترتّب أولوية المواضيع، ماشي باش تحفظ نصوص جاهزة.

الخلاصة

هاد المستودع كيكون فعّال أكثر مني كتستعملو كمنهاج منظّم، ماشي غير كلائحة كتقراها بسرعة. بدا بالأسئلة المتكررة، وعمّق كل جواب من خلال الآليات والمفاضلات، ومن بعد قرا القسم المرتبط بالشركة المعنية وتدرّب على أسئلة متابعة واقعية. الجمع بين هاد المجموعة والاشتقاقات، وتمارين التصميم، وسيناريوهات التشخيص، والمقابلات التجريبية، كينتج عملية تحضير مركّزة لمجموعة واسعة ديال أدوار هندسة الذكاء الاصطناعي.