# 百面机器学习对 AI PM 的复习路线

## 元数据

- 书名：百面机器学习：算法工程师带你去面试
- 作者：葫芦娃
- 章节：全书综合
- 页码线索：全书
- 目标岗位：AI PM / LLM 产品 / 算法工程师面试
- 优先级：P0
- 标签：aipm, study-plan, interview

## 面试问题

如果目标是 AI PM，而不是算法工程师，这本书应该怎么读？

## 30 秒回答

AI PM 不需要把每个推导都背下来，应优先掌握能影响产品决策的部分：数据/特征、评估指标、baseline、过拟合、实验、推荐搜索、NLP 表示、深度学习训练风险和系统应用。

## 展开要点

- 第一优先级：特征工程、模型评估、过拟合、A/B、采样不均衡。
- 第二优先级：LR、树模型、GBDT、聚类、文本表示、RNN/attention。
- 第三优先级：SVM/PCA/LDA/概率图/GAN 的概念和边界。
- 所有章节都要转成业务问题：为什么选它、怎么评估、失败怎么办。

## 高频追问

- AI PM 需要懂算法到什么程度？
- 如何证明自己不是只会喊大模型？
- 传统 ML 和 LLM 产品经验怎么衔接？

## 项目映射

- 做一套传统 ML 到 LLM 的能力迁移故事。
- 准备一个表格数据预测、一个 RAG、一个 Agent 的对比案例。

## AI PM 迁移

这张卡是整本书的导航。读它不是为了变成算法工程师，而是为了在 AI 产品面试里能问对问题、识别风险、做出取舍。

## 备注

本卡为面试复习用的概念重构和答题框架，不保存原书正文。