amitshekhariitbhu/ai-engineering-interview-questions

このプロジェクトとは

AIエンジニアリングの仕事の面接を準備する人々のための、無料でオープンソースの学習ガイドです。トピックごとに整理された、面接の質問と回答の長いリストです。

含まれる内容

質問は15のトピック領域をカバーしています。以下を含みます：

• LLMの基礎 — 大規模言語モデルが内部でどのように機能するか（transformers、attention、tokenization、sampling、KV cacheなど）
• プロンプトエンジニアリング — LLMから信頼できる出力を得るための技術（few-shot prompting、chain-of-thought、prompt injection防御など）
• 検索拡張生成（RAG） — 回答を生成する前に関連ドキュメントを検索するシステムの構築
• AIエージェントとエージェントシステム — 推論して行動を起こす自律システム
• ファインチューニングとモデル適応 — 事前学習済みモデルのカスタマイズ
• ベクトルデータベースと埋め込み — テキストをベクトルとして保存・検索する
• AIシステム設計 — 本番AIシステムのアーキテクチャ
• LLMOpsと本番AI — 本番環境でのLLMのデプロイ、監視、保守
• 評価とテスト — モデルの品質測定
• AI安全性、倫理、責任あるAI — リスクと保護策
• マルチモーダルAI — 画像、音声、テキストを扱うモデル
• AIインフラストラクチャとスケーラビリティ — 大規模なモデルの提供
• コーディングと実践的な実装 — 実践的なプログラミング質問
• 行動とシナリオベースの質問 — 状況に基づく面接質問

多くの質問には、メンテナーのブログ、YouTubeチャンネル、またはソーシャルメディアの詳細な回答へのリンクが含まれています。一部の質問にはまだリンクされた回答がありません。

誰が作ったか

Amit Shekhar、Outcome School（AIと機械学習の教育プラットフォーム）の創設者。彼が維持しており、新しい質問で継続的に更新されると述べています。

誰のためか

AIエンジニア、生成AIエンジニア、LLMエンジニア、エージェントAIエンジニア、AIソリューションアーキテクト、MLOpsエンジニアなどの役割の面接を受ける人々向けです。

注目すべき詳細

• 「必知」セクションが含まれており、LLM、RAG、MCP、Agent、ファインチューニング、量子化の6つのコア概念をカバーしています。
• 回答はすべてインラインで書かれているわけではなく、多くは外部の記事やビデオを指しています。
• プロジェクトは積極的に維持されています（READMEは継続的に更新されることを述べています）。