Translate to persian (Farsi ) language ml interview book

README_Farsi(persian).md

@@ -0,0 +1,26 @@
+## کتاب مقدمه ای بر مصاحبه های یادگیری ماشین
+
+می‌توانید نسخه وب‌پسند کتاب را [اینجا] بخوانید (https://huyenchip.com/ml-interviews-book/). می‌توانید کد منبع را در [GitHub] (https://github.com/chiphuyen/ml-interviews-book) پیدا کنید. Discord برای بحث در مورد پاسخ به سؤالات کتاب [اینجا] (https://discord.gg/XjDNDSEYjh) است.
+
+به عنوان یک نامزد، با ده ها شرکت بزرگ و استارت آپ مصاحبه کرده ام. من پیشنهادهایی برای نقش‌های یادگیری ماشین در شرکت‌هایی از جمله Google، NVIDIA، Snap، Netflix، Primer AI و Snorkel AI دارم. من همچنین در بسیاری از شرکت های دیگر رد شده ام.
+
+به‌عنوان مصاحبه‌گر، در طراحی و اجرای فرآیند استخدام در NVIDIA و Snorkel AI شرکت داشته‌ام، از کاندیداهایی که کارشان را دوست دارم ایمیل‌های سرد انجام داده‌ام، بررسی رزومه‌ها، انجام مصاحبه‌های اکتشافی و فنی، بحث درباره استخدام یا عدم استخدام نامزد، تلاش برای متقاعد کردن نامزدها برای انتخاب ما از پیشنهادات رقابتی.
+
+به عنوان یک دوست و معلم، به بسیاری از دوستان و دانش‌آموزان کمک کرده‌ام تا برای مصاحبه‌های یادگیری ماشینی خود در شرکت‌های بزرگ و استارت‌آپ‌ها آماده شوند. من با آنها مصاحبه های ساختگی می کنم و از روندی که طی کرده اند و همچنین سوالاتی که از آنها پرسیده شده یادداشت می کنم.
+
+من همچنین با چندین استارتاپ در مورد خطوط لوله استخدام یادگیری ماشین آنها مشورت کرده ام. زمانی که در حال حاضر یک تیم و فرآیند یادگیری ماشین قوی برای کمک به ارزیابی نامزدها ندارید، استخدام برای نقش‌های یادگیری ماشین بسیار دشوار است. از آنجایی که استفاده از یادگیری ماشین در صنعت هنوز بسیار جدید است، بسیاری از شرکت‌ها همچنان در حال پیشبرد آن هستند، که این کار را برای نامزدها آسان نمی‌کند.
+
+این کتاب حاصل خرد جمعی بسیاری از افرادی است که دو طرف میز نشسته اند و زمان زیادی را صرف فکر کردن به فرآیند استخدام کرده اند. این با در نظر گرفتن نامزدها نوشته شده بود، اما مدیران استخدامی که پیش‌نویس‌های اولیه را دیدند به من گفتند که آموختن نحوه استخدام شرکت‌های دیگر و تجدیدنظر در روند خود مفید است.
+
+کتاب از دو بخش تشکیل شده است. بخش اول مروری بر فرآیند مصاحبه یادگیری ماشینی، انواع نقش های یادگیری ماشینی در دسترس است، هر نقش به چه مهارت هایی نیاز دارد، نوع سوالاتی که اغلب پرسیده می شود و نحوه آماده شدن برای آنها ارائه می دهد. این بخش همچنین طرز فکر مصاحبه‌کنندگان و نوع سیگنال‌هایی را که آنها به دنبال آن هستند، توضیح می‌دهد.
+
+بخش دوم شامل بیش از 200 سوال دانشی است که هر کدام با سطح دشواری خود مشخص شده اند - مصاحبه برای نقش های ارشد بیشتر باید منتظر سوالات سخت تری باشد - که مفاهیم مهم و تصورات غلط رایج در یادگیری ماشین را پوشش می دهد.
+
+پس از اتمام این کتاب، ممکن است بخواهید [30 سوال باز] (https://huyenchip.com/machine-learning-systems-design/toc.html) را بررسی کنید تا توانایی خود را در کنار هم قرار دادن آنچه شما می دانید برای حل چالش های عملی. این سوالات مهارت های حل مسئله و همچنین میزان تجربیات شما را در پیاده سازی و استقرار مدل های یادگیری ماشینی آزمایش می کنند. برخی از شرکت ها به آنها سوالات **طراحی سیستم های یادگیری ماشینی** می گویند. تقریباً تمام شرکت هایی که من با آنها صحبت کرده ام، حداقل سؤالی از این نوع را در فرآیند مصاحبه خود می پرسند، و آنها سؤالاتی هستند که نامزدها اغلب آنها را سخت ترین سؤالات می دانند.
+
+"طراحی سیستم های یادگیری ماشین" موضوع پیچیده ای است که شایسته کتاب خود است. برای کسب اطلاعات بیشتر در مورد آن، دوره من [**CS 329S: طراحی سیستم های یادگیری ماشین**] (https://stanford-cs329s.github.io/) را در استانفورد بررسی کنید.
+
+این کتاب نه جایگزینی برای کتاب های درسی یادگیری ماشینی است و نه میانبری برای انجام مصاحبه ها. این ابزاری برای تجمیع دانش نظری و عملی موجود شما در یادگیری ماشین است. سوالات این کتاب همچنین می تواند به شناسایی نقاط کور/ضعیف شما کمک کند. هر موضوع با منابعی همراه است که باید به شما در تقویت درک خود از آن موضوع کمک کند.
+
+---
+*این کتاب توسط [Chip Huyen](https://huyenchip.com) با کمک دوستان فوق العاده ساخته شده است. برای بازخورد، اشتباهات و پیشنهادات، می‌توانید با نویسنده [اینجا] (https://huyenchip.com/communication/) تماس بگیرید. حق چاپ ©2021 Chip Huyen.*

SUMMARY_Farsi(Persian).md

@@ -0,0 +1,58 @@
+# Summary
+
+* [کتاب مقدمه ای بر مصاحبه های یادگیری ماشین](README.md)
+    * [مخاطب هدف](contents/0-target-audience.md)
+    * [در مورد سوالات](contents/0-about-the-questions.md)
+    * [درباره پاسخ ها](contents/0-about-the-answers.md)
+    * [بازی کردن فرآیند مصاحبه](contents/0-gaming-the-interview-process.md)
+    * [تشکرات](contents/0-acknowledgments.md)
+    * [درباره نویسنده](contents/0-about-the-author.md)
+* [Part I. مرور کلی](contents/part-i.-overview.md)
+    * [Chapter 1. شغلهای ماشین لرنینگ](contents/chapter-1.-ml-jobs.md)
+        * [1.1 نقش های مختلف یادگیری ماشینی](contents/1.1-different-ml-roles.md)
+            * [1.1.1 کار در ریسرچ و تولید](contents/1.1.1-working-in-research-vs.-workingin-production.md)
+            * [1.1.2 تحقیق](contents/1.1.2-research.md)
+                * [1.1.2.1 تحقیق و تحقیقات کاربردی](contents/1.1.2.1-research-vs.-applied-research.md)
+                * [1.1.2.2 دانشمند محقق در مقابل مهندس محقق](contents/1.1.2.2-research-scientist-vs.-research-engineer.md)
+            * [1.1.3 تولید](contents/1.1.3-production.md)
+                * [1.1.3.1 چرخه تولید](contents/1.1.3.1-production-cycle.md)
+                * [1.1.3.2 مهندس ماشین لرنینگ و مهندس نرم افزار](contents/1.1.3.2-machine-learning-engineer-vs.-software-engineer.md)
+                * [1.1.3.3 دیتاساینس  و مهندس ماشین لرنینک](contents/1.1.3.3-machine-learning-engineer-vs.-data-scientist.md)
+                * [1.1.3.4 سایر نقش های فنی در تولیدات ML](contents/1.1.3.4-other-technical-roles-in-ml-production.md)
+                * [1.1.3.5 درک نقش ها و عناوین](contents/1.1.3.5-understanding-roles-and-titles.md)
+        * [1.2 انواعی از کمپانی ها](contents/1.2-types-of-companies.md)
+            * [1.2.1 شرکت های کاربردی در مقابل شرکت های ابزارسازی](contents/1.2.1-applications-companies-vs.-tooling-companies.md)
+            * [1.2.2 شرکت در مقابل محصولات مصرفی](contents/1.2.2-enterprise-vs.-consumer-products.md)
+            * [1.2.3 استارتاپ یا شرکت های بزرگ](contents/1.2.3-startups-or-big-companies.md)
+    * [Chapter 2. فرآیند مصاحبه یادگیری ماشینی](contents/chapter-2.-machine-learning-interview-process.md)
+        * [2.1 درک طرز فکر مصاحبه کنندگان](contents/2.1-understanding-the-interviewers’-mindset.md)
+            * [2.1.1 آنچه شرکت ها از نامزدها می خواهند](contents/2.1.1-what-companies-want-from-candidates.md)
+                * [2.1.1.1 مهارت های تکنیکال](contents/2.1.1.1-technical-skills.md)
+                * [2.1.1.2 مهارت های غیر تکنیکال](contents/2.1.1.2-non-technical-skills.md)
+                * [2.1.1.3 فرهنگ مناسب چیست؟](contents/2.1.1.3-what-exactly-is-culture-fit.md)
+                * [2.1.1.4 نقش های جونیور و سنیور](contents/2.1.1.4-junior-vs-senior-roles.md)
+                * [2.1.1.5 آیا به دکتری نیاز دارم؟ برای کار در یادگیری ماشین؟](contents/2.1.1.5-do-i-need-a-ph.d.-to-work-in-machine-learning.md)
+            * [2.1.2 چگونه شرکت ها نامزدها را تامین می کنند](contents/2.1.2-how-companies-source-candidates.md)
+            * [2.1.3 سیگنال هایی که شرکت ها در کاندیداها دنبال می کنند](contents/2.1.3-what-signals-companies-look-for-in-candidates.md)
+        * [2.2 خط لوله مصاحبه](contents/2.2-interview-pipeline.md)
+            * [2.2.1 فرمت های رایج مصاحبه](contents/2.2.1-common-interview-formats.md)
+            * [2.2.2 فرمت های جایگزین مصاحبه](contents/2.2.2-alternative-interview-formats.md)
+            * [2.2.3 مصاحبه در شرکت های بزرگ در مقابل شرکت های کوچک](contents/2.2.3-interviews-at-big-companies-vs.-at-small-companies.md)
+            * [2.2.4 مصاحبه برای کارآموزی در مقابل موقعیت های تمام وقت](contents/2.2.4-interviews-for-internships-vs.-for-full-time-positions.md)
+        * [2.3 انواعی از سوالات](contents/2.3-types-of-questions.md)
+            * [2.3.1 سوالات رفتاری](contents/2.3.1-behavioral-questions.md)
+                * [2.3.1.1 بیوگرافی و رزومه](contents/2.3.1.1-background-and-resume.md)
+                * [2.3.1.2 علایق ](contents/2.3.1.2-interests.md)
+                * [2.3.1.3 ارتباطات](contents/2.3.1.3-communication.md)
+                * [2.3.1.4 شخصیت](contents/2.3.1.4-personality.md)
+            * [2.3.2 سوالاتی که باید از مصاحبه کنندگان خود بپرسید](contents/2.3.2-questions-to-ask-your-interviewers.md)
+            * [2.3.3 سوالات بد مصاحبه](contents/2.3.3-bad-interview-questions.md)
+        * [2.4 پرچم های قرمز](contents/2.4-red-flags.md)
+        * [2.5 جدول زمانی](contents/2.5-timeline.md)
+        * [2.6 درک شانس شما](contents/2.6-understanding-your-odds.md)
+    * [Chapter 3. بعد از یک پیشنهاد](contents/chapter-3.-after-an-offer.md)
+        * [3.1 بسته جبرانی](contents/3.1-compensation-package.md)
+            * [3.1.1 حقوق پایه](contents/3.1.1-base-salary.md)
+            * [3.1.2 کمک های مالی](contents/3.1.2-equity-grants.md)
+            * [3.1.3 جوایز](contents/3.1.3-bonuses.md)
+

Translation/Farsi/contents/2.2.3-interviews-at-big-companies-vs.-at-small-companies.md

@@ -0,0 +1,7 @@
+### 2.2.3  مصاحبه در شرکت های بزرگ در مقابل شرکت های کوچک
+
+استخدام در یک شرکت کوچک با استخدام در یک شرکت بزرگ بسیار متفاوت است. یکی از دلایل این است که شرکت های بزرگ تعداد زیادی استخدام می کنند، بنابراین آنها باید فرآیند خود را استاندارد کنند. شرکت‌های کوچک فرآیند را در حین پیشبرد اصلاح می‌کنند. دلیل دیگر این است که شرکت‌های بزرگ می‌توانند گهگاهی استخدام‌های بدی را انجام دهند، در حالی که چند نفر از استخدام‌های بد می‌توانند یک شرکت کوچک را به زمین بزنند.
+
+در نتیجه، فرآیندها در شرکت های کوچکتر می توانند با هر نقش و هر نامزد سازگار شوند. فرآیندها در شرکت‌های بزرگ می‌تواند سفت و سخت و بوروکراتیک باشد و ممکن است شامل سوالاتی بی‌ربط به نقش یا نامزد باشد. استانداردسازی در شرکت‌های بزرگ همچنین به این معنی است که این فرآیند قابل هک‌تر است - آماده‌سازی کامل می‌تواند شانس شما را به میزان قابل توجهی افزایش دهد.
+
+تفاوت مهم دیگر این است که شرکت های بزرگ می توانند متخصصانی را استخدام کنند که فقط در یک منطقه کوچک عالی هستند. استارت‌آپ‌ها غیرقابل پیش‌بینی هستند و دائماً در حال تغییر هستند، بنابراین ممکن است کمتر به کاری که شما بهترین انجام می‌دهید اهمیت دهند و بیشتر به اینکه آیا می‌توانید فوری‌ترین نیازهای آنها را برطرف کنید، اهمیت می‌دهند.

Translation/Farsi/contents/2.2.4-interviews-for-internships-vs.-for-full-time-positions.md

@@ -0,0 +1,13 @@
+### 2.2.4 مصاحبه برای دوره های کارآموزی در مقابل موقعیت های تمام وقت
+
+معمولاً مصاحبه برای یک دوره کارآموزی و سپس دریافت پیشنهاد بازگشت به عنوان یک کارمند تمام وقت بسیار ساده تر از مصاحبه مستقیم برای یک موقعیت تمام وقت است. فرآیند مصاحبه یک پروکسی برای پیش بینی میزان عملکرد شما در کار است. اگر قبلاً در یک تیم کارآموزی کرده اید، آنها توانایی و تناسب شما را می دانند و بنابراین ممکن است شما را به یک نامزد ناشناس ترجیح دهند.
+
+در شرکت های بزرگ فناوری، برنامه های کارآموزی وجود دارد تا منبعی ثابت و قابل اعتماد برای استعدادهای تمام وقت فراهم کند. یک کارآموز متوسط در فیس بوک ماهانه 8000 دلار درآمد دارد، تقریباً دوبرابر میانگین یک کارگر تمام وقت آمریکایی[^43]، و فیس بوک حتی بالاترین پیشنهاد را هم ندارد[^44]. توجیه این حقوق دشوار است مگر اینکه بتواند هزینه های استخدام را بعدا جبران کند.
+
+فرآیند مصاحبه برای کارآموزان پیچیدگی کمتری دارد زیرا کارآموزی تعهد کمتری دارد. اگر شرکتی یک کارآموز را دوست نداشته باشد، آن کارآموز سه ماه دیگر می رود. اما اگر یک کارمند تمام وقت را دوست نداشته باشند، اخراج آن فرد گران است. تعداد موقعیت‌های تمام‌وقت تحت یک شمارش سختگیرانه است، اما تعداد کارآموزان اغلب اینطور نیست. حتی زمانی که یک شرکت فرآیند استخدام را متوقف می کند، مانند کاهش هزینه ها، ممکن است همچنان کارآموز استخدام کند.
+
+اگر دوره کارآموزی شما خیلی اشتباه پیش نرود و شرکت در حال استخدام باشد، احتمالاً یک پیشنهاد کارآموزی تا تمام وقت دریافت خواهید کرد. در NVIDIA، اکثر پیشنهادات تمام وقت برای فارغ التحصیلان جدید به کارآموزان آنها می رسد. راشل گوپتا، استخدام کننده سابق گوگل و گیت هاب، در یکی از پاسخ های خود در Quora نوشت:
+
+«_محدوده [نرخ تبدیل کارآموز] بین 60 درصد بالا است و می تواند تا 90 درصد پایین در شرکت های فناوری برتر باشد. من تبدیل را به معنای «واجد شرایط تبدیل به استخدام تمام وقت» تعریف می کنم و نه فقط واجد شرایط برای کارآموزی در سال آینده. در Google، وقتی یک تیم کارآموزی می‌گیرد، نقشی تمام وقت دارد که کارآموز می‌تواند آن را به_ تبدیل کند.[^45]”
+
+اگر دانشجو هستید، برای شروع به دنبال کارآموزی هرگز زود نیست. کارآموزی به عنوان دانش‌آموز دبیرستانی غیرمعمول نیست. با این حال، اگر قبلاً آن مرحله را پشت سر گذاشته اید، نگران نباشید. این کتاب برای کمک به شما در این فرآیند است.

Translation/Farsi/contents/2.3-types-of-questions.md

@@ -0,0 +1,3 @@
+## 2.3 انواع سوالات
+
+در این بخش، انواع اصلی سوالات در فرآیند مصاحبه برای نقش های ML را بررسی خواهیم کرد.

Translation/Farsi/contents/2.3.1-behavioral-questions.md

@@ -0,0 +1,5 @@
+### 2.3.1 سوالات رفتاری
+
+هر مصاحبه کننده احتمالاً با یک مقدمه کوتاه و یک یا دو سؤال در مورد سابقه شما شروع می کند. این سوالات برای این است که بفهمید که چه کسی هستید و شاید برای اینکه راحت‌تر شوید. برای شرکت هایی که یک دور رفتاری اختصاصی دارند، این قسمت باید در طول مصاحبه فنی کوتاه باشد. دور رفتاری ممکن است در طول ناهار باشد یا نباشد، که معمولاً توسط مدیر استخدام یا یک مصاحبه گر رفتاری تعیین شده برگزار می شود.
+
+سوالات رفتاری برای ارزیابی اینکه آیا ارزش های شما با ارزش های شرکت همخوانی دارد و اینکه آیا شرکت می تواند محیطی را برای پیشرفت شما فراهم کند یا خیر است. آنها را می توان در چهار موضوع اصلی دسته بندی کرد: پیشینه/رزومه شما، علایق شما، سبک ارتباطی شما و شخصیت شما.