MLQuestions

按岗位方向刷ML/CV面试题，快速补齐知识盲区

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。

开源 free 学习教育

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4891

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类学习教育

开发团队andrewekhalel

所属国家

官网地址

GitHubhttps://github.com/andrewekhalel/MLQuestions

定价模式free

价格说明开源免费学习资料

访问状态

是否开源是

开源协议

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★ 4891

30天Star增速

HF 下载量

上线时间2018-12-12 00:00:00

最近更新2026-09-16 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-18

浏览次数0

使用教程

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
```

如何确认成功

浏览器打开 andrewekhalel.github.io/MLQuestions 能看到按主题分类的题目列表；本地 ls 能看到 README.md 及主题目录。

常见问题

Q：需要 pip install 安装依赖吗？

A：README 未提供任何安装命令或依赖清单，该项目以 Markdown 文档和示例代码为主，直接阅读即可，无需安装。

Q：一共多少道题、覆盖哪些方向？

A：README 说明共 67 道题，覆盖 ML 基础、算法与集成、特征工程、优化与训练、深度学习、计算机视觉、降维、模型评估、概率统计、编程实现，NLP 另有 13 题单独成文。

Q：适合零基础系统学习吗？

A：不适合。README 定位为求职面试题库，应配合实际项目与系统学习使用，用来定位薄弱环节而非替代教材。

Q：没有 Python 环境能看吗？

A：可以。题目与答案以 Markdown 呈现，直接用浏览器或文本编辑器阅读即可，只有运行示例代码时才需要 Python。

注意事项

README 中没有安装、依赖或启动命令，本教程步骤仅为阅读题库的通用准备动作，未虚构任何包名与参数。
题目与答案以 Markdown 为主、Python 示例为辅，属于学习资料而非可部署服务。
官方站点是阅读体验最好的入口，建议优先使用。

核心亮点

按机器学习、计算机视觉、数据科学等方向分类，便于按目标岗位定向复习
题目配有 Python 代码示例，概念题之外能验证实现细节
覆盖深度学习与 CV 高频考点，如 CNN、检测、评估指标等，贴近实际面试

不足之处

以题目罗列为主，部分答案深度有限，缺少系统讲解与推导
更新节奏和社区讨论活跃度一般，新方向题目覆盖可能滞后

适用场景

准备机器学习工程师岗位面试，按主题查漏补缺
计算机视觉方向求职者复习检测、分割等高频考点
面试官参考题库设计技术面试问题

替代项目

deep-learning-interview-book、machine-learning-interview、Data-Science-Interview-Questions

项目介绍

MLQuestions 是一个学习教育领域的开源项目，官方简介：Machine Learning and Computer Vision Engineer - Technical Interview Questions。项目使用 Python 开发，在 GitHub 上获得 4891 星标。

上一篇：computer-vision-course

下一篇：visionbook