AI Engineering Interview Questions and Answers

Giới Thiệu Bộ Câu Hỏi Phỏng Vấn Này

AI Engineering Interview Questions and Answers là một tệp README liệt kê câu hỏi phỏng vấn theo các mục như LLM Fundamentals, Prompt Engineering, Retrieval-Augmented Generation, và AI Agents and Agentic Systems. Đây là bản đồ ôn tập, không phải khóa học. Nhiều câu hỏi dẫn tới video, bài blog, hoặc bài đăng mạng xã hội của Amit Shekhar thay vì trả lời ngay tại chỗ, và README nói sẽ tiếp tục bổ sung câu hỏi mới.

Đối Tượng Phù Hợp Với Tài Liệu Này

Tài liệu này hợp với người đang phỏng vấn cho các vai trò nặng về AI: README liệt kê AI Engineer, Gen AI Engineer, LLM Engineer, Agentic AI Engineer, AI Agent Engineer, Forward Deployed Engineer, AI Solutions Architect, AI Platform Engineer, Applied AI Engineer, MLOps Engineer, và LLMOps Engineer là các vai trò nhắm tới. Nó hợp với người đã có nền tảng ML và muốn một danh sách chủ đề để ôn lại trước vòng phỏng vấn, không phải người mới bắt đầu tìm hiểu transformer là gì. Đây là danh sách tham khảo, không phải khóa học. Bỏ qua nếu bạn cần một khóa học tự học có bài tập và chấm điểm.

Các Chủ Đề AI Engineering Cốt Lõi

• ✓Danh sách 'Must Know' gồm sáu chủ đề cốt lõi (LLM, RAG, MCP, Agent, Fine-tuning, Quantization), gắn với một video tổng quan duy nhất bao quát cả sáu.
• ✓Mục LLM Fundamentals đi sâu vào cấu trúc transformer: tokenization và BPE, self/cross/multi-head attention, positional encoding và RoPE, KV cache, Mixture of Experts, Flash Attention, và RMSNorm.
• ✓Mục Prompt Engineering bao quát zero-shot, one-shot, few-shot prompting, chain-of-thought và ReAct prompting, cách phòng chống prompt injection, và cách thiết kế structured output.
• ✓Mục Retrieval-Augmented Generation nói về chiến lược chunking, cách chọn embedding model, hybrid search, re-ranking, GraphRAG, Self-RAG, và đánh đổi giữa RAG với fine-tuning.
• ✓Mục AI Agents and Agentic Systems nói về bộ nhớ của agent, mẫu ReAct và Plan-and-Execute, tool use/function calling, hệ thống multi-agent, và Model Context Protocol (MCP).
• ✓Các câu hỏi tình huống được viết như vấn đề thực tế trong production, chẳng hạn hệ thống RAG bị hallucination dù đã có đúng ngữ cảnh, hay LLM đánh lừa reward model sau RLHF.
• ✓Có cả chủ đề nghiên cứu mới bên cạnh kiến thức nền tảng: Recursive Language Models, Diffusion Language Models, và Group Relative Policy Optimization (GRPO) đều có mục riêng.

Tài Nguyên Ôn Phỏng Vấn Khác

Câu Hỏi Thường Gặp

Trường Hợp Sử Dụng Tốt Nhất

• •Lướt qua danh sách 'Must Know' (LLM, RAG, MCP, Agent, Fine-tuning, Quantization) để ôn nhanh trước buổi phỏng vấn.
• •Học kỹ mục LLM Fundamentals để lấp lỗ hổng kiến thức về attention, tokenization, KV cache, hay positional encoding trước vòng phỏng vấn kỹ thuật.
• •Luyện nói thành tiếng các câu hỏi tình huống, chẳng hạn giải thích cách bạn sẽ sửa một hệ thống RAG bị hallucination dù đã có đúng ngữ cảnh.
• •Ghép từng mục với video hoặc bài blog liên kết của Outcome School để biến danh sách này thành một kế hoạch ôn tập thật sự, chứ không chỉ là bảng thuật ngữ.
• •Kiểm tra vốn từ vựng về các thuật ngữ mới như GRPO, RoPE, hay Grouped-Query Attention trước vòng phỏng vấn AI Solutions Architect hoặc MLOps.

Repo liên quan