机器学习工程师面试副驾驶 排序、推荐、训练基础设施——实时辅助。

1. 01

   机器学习系统设计——六套框架

   推荐、排序、搜索、反欺诈、广告、机器学习平台。每一类都有自己的框架：召回策略、打分阶段、重排、特征管道、训练频率、线上评估。面试官一说出题目，副驾驶就选好对应的框架。
2. 02

   训练基础设施轮

   分布式训练相关的问题（数据并行 vs 模型并行 vs 流水线并行、梯度累积、梯度检查点、混合精度、ZeRO 分区）都会配上真正的权衡框架——显存压力 vs 吞吐量 vs 收敛——这正是高级机器学习工程师应该讲清楚的。
3. 03

   大规模推理

   KV-cache 管理、请求批处理、投机解码、量化（int8 / int4 / FP8 的权衡）、TTFT 与总延迟、GPU 利用率。副驾驶会把问题对应到经典瓶颈，并带你走完缓解方案决策树。
4. 04

   离线 ↔ 线上指标对齐

   大多数机器学习面试都有这道陷阱题：“你的离线 NDCG 提升了 3%，线上 CTR 却下降了——为什么？”副驾驶会梳理经典原因（训练与服务不一致、特征延迟、位置偏差、新奇效应、分布偏移）以及排查顺序。
5. 05

   特征仓库 + 防止数据泄漏

   特征工程轮容易拿高分，也容易翻车。副驾驶会搭好数据泄漏分类（标签泄漏、时间泄漏、训练/服务偏差）、特征仓库选型（离线 vs 在线 vs 统一）以及时间点正确性保证的框架——全都控制在面试时长以内。
6. 06

   编程轮——PyTorch / TensorFlow 原理

   实现一个自定义损失函数。写一个带注意力机制的前向传播。手动计算梯度。这些轮次考察你对 autograd 语义、eager 模式与图模式、以及 nn.Module 与函数式写法区别的熟练程度。副驾驶让你始终走在正确的路径上。

机器学习工程师面试考的是系统思维。带着系统走进去。

六套机器学习系统设计框架。为高级机器学习工程师而生。