Data-Science-Interview-Resources
Ein Repository, das potenzielle Quellen auflistet, die Ihnen bei der Vorbereitung auf ein Data Science/Machine Learning-Interview helfen werden. Neue Ressourcen werden häufig hinzugefügt.
Erforschen Sie eine Sammlung von Ressourcen, die Ihnen helfen, sich auf Vorstellungsgespräche im Bereich Data Science und maschinelles Lernen vorzubereiten.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarEin Repository, das potenzielle Quellen auflistet, die Ihnen bei der Vorbereitung auf ein Data Science/Machine Learning-Interview helfen werden. Neue Ressourcen werden häufig hinzugefügt.
Data-Science-Interview-Resources hat 3.4k Sterne auf GitHub. Es wurde 764-mal geforkt. Es wird seit 2018 aktiv entwickelt. Data-Science-Interview-Resources ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: artificial-intelligence, data-science, data-science-interview, interview-questions.
Was ist Data-Science-Interview-Resources?
Ein Repository, das potenzielle Quellen auflistet, die Ihnen bei der Vorbereitung auf ein Data Science/Machine Learning-Interview helfen werden. Neue Ressourcen werden häufig hinzugefügt.
Ist Data-Science-Interview-Resources Open Source?
Data-Science-Interview-Resources ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist Data-Science-Interview-Resources kostenlos?
Ja. Data-Science-Interview-Resources ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht Data-Science-Interview-Resources?
Data-Science-Interview-Resources ist unter der MIT-Lizenz verfügbar.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://opensourceai.tech/project/rbhatia46-data-science-interview-resources.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.