MLQuestions

按岗位方向刷ML/CV面试题，快速补齐知识盲区

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署学习教育 🍴 复刻 802 🐛 待处理 3 👀 关注 34

GitHub ↗

GitHub 星标 ★ 4958

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费学习资料

项目预览

MLQuestions 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类学习教育

开发团队andrewekhalel

GitHubhttps://github.com/andrewekhalel/MLQuestions

定价模式🏷️完全免费

价格说明开源免费学习资料

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型computer-vision-interview-questions,data-science-interview,data-science-interview-questions,data-science-interviews,deep-learning-interview,deep-learning-interview-questions,machine-learning-interview,machine-learning-interview-questions,ml-interview,ml-interview-prep,ml-interviews,nlp-interview-questions

GitHub 星标★ 4958

上线时间2018-12-12 00:00:00

代码更新2026-10-15

仓库体积89 KB

本站数据更新2026-11-03

维护状态较活跃

收录时间2026-09-18

浏览次数1

项目介绍

MLQuestions 是一份面向机器学习与计算机视觉工程师求职者的技术面试题库，以 Python 代码和 Markdown 文档形式组织。它解决的是面试准备资料零散、深度不足的问题：网上常见题库偏概念背诵，缺少可运行的代码验证与工程视角。项目按主题收录深度学习、计算机视觉、数据科学等方向的题目与参考答案，覆盖卷积网络、目标检测、模型评估、特征工程等高频考点，并配有 Python 示例帮助理解。核心能力是提供结构化、可检索的知识清单，让候选人按岗位方向快速定位薄弱环节，同时也能作为面试官出题参考。适合在刷题阶段配合实际项目使用，而不是替代系统学习。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-18 · 当前星标 ★ 4958

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

能访问 GitHub 与浏览器（可直接在线阅读，无需安装）
本地阅读需安装 git
查看 Python 示例代码需有可运行 Python 的环境
无需 GPU、数据库或服务器资源

安装与启动步骤

1在线浏览题库

README 提供了官方网站，按主题浏览 67 道题目与答案，这是最快的方式，无需任何安装。
2克隆到本地

想把题库存到本地离线阅读时，用 git clone 拉取仓库；网络不通可用 ZIP 下载。
```
git clone https://github.com/andrewekhalel/MLQuestions.git
```
3进入目录

切换到仓库目录，确认 README.md 与各主题子目录（如 NLP）存在。
```
cd MLQuestions
ls
```
4按主题阅读

从 README 的内容目录进入对应章节，按岗位方向（CV、NLP、数据科学等）挑薄弱环节查看题目和答案。
```
cat README.md
```
5阅读 NLP 专题

README 中 NLP 方向单独成文，共 13 题，位于 NLP 子目录下。
```
cat NLP/README.md
```