2 dépôts
Navigable graphs that organize interview topics into interconnected concepts and subtopics with explicit cross-references.
Distinct from Knowledge Graph Builders: Distinct from Knowledge Graph Builders: focuses on structuring educational interview content rather than processing interaction data into facts or embeddings.
Explore 2 awesome GitHub repositories matching data & databases · Interview Topic Graphs. Refine with filters or upvote what's useful.
This project is a structured catalog of server-side development questions and advanced Node.js concepts designed for senior-level interview preparation. It focuses on backend engineering topics including architecture, performance, and system design, while also covering Node.js internals, async patterns, and production debugging. The resource organizes interview topics into a navigable knowledge graph of interconnected concepts and subtopics, with explicit cross-references linking related ideas together. Content is presented through a question-driven learning path that guides the learner from
Organises interview topics into a navigable graph of interconnected concepts and subtopics.
Ce projet est une ressource d'étude technique complète et un guide d'entretien pour les candidats visant des rôles d'ingénieur en grands modèles de langage (LLM) et en algorithmes d'IA. Il sert de parcours d'apprentissage structuré et de référence technique pour l'IA générative, le machine learning et le déploiement de modèles dans des environnements de production. La ressource fournit des guides spécialisés pour maîtriser les architectures de grands modèles de langage, les modèles de diffusion et la conception d'agents IA autonomes. Elle inclut des références techniques détaillées sur l'appel d'outils, la gestion de la mémoire et les architectures de systèmes multimodaux pour aider aux évaluations techniques et au développement professionnel. Le cursus couvre un large éventail de capacités, incluant l'informatique fondamentale, l'optimisation des réseaux de neurones et les mathématiques du deep learning. Il fournit également des conseils sur les préoccupations liées à la production telles que la quantification, la compression et les frameworks d'inférence pour le service de modèles.
Implements an interview topic graph to organize complex technical domains into interconnected concepts.