用 Amazon ML Summer School 2026 冲刺 ML 面试与实习:从学习笔记到 PPO Offer 的完整路径
用 Amazon ML Summer School 2026 冲刺 ML 面试与实习:从学习笔记到 PPO Offer 的完整路径
Amazon ML Summer School 2026 是 Amazon 面向 2027/2028 届毕业生打造的机器学习培养计划,而本仓库正是围绕它整理的 ML 面试备考资料库:2022–2025 年历年笔试真题、官方样卷、8 大模块课程学习笔记,以及扩展 ML 资源一网打尽 🎯 无论你是零基础的 ML 新手,还是准备冲 PPO 的求职者,跟着这份完整路径走,60 分钟的笔试不再是难关。
🎓 Amazon ML Summer School 2026 是什么?
Amazon ML Summer School 由 Unstop × Amazon 联合主办,学生可以直接向 Amazon Scientist 学习机器学习,并接触 Deep Learning、NLP、Computer Vision、Robotics 等前沿领域。
对学员来说,这个项目有 4 个实打实的吸引力:
| 机会 | 说明 |
|---|---|
| 🎯 直连行业专家 | 与 Amazon Scientists 面对面交流 |
| 💰 实习津贴 | 最高 ₹1.5 Lakh/月 的带薪实习机会 |
| 🏆 PPO 转正 | Amazon 及顶级公司的 Pre-Placement Offer,最高 ₹51 LPA |
| 📈 面试打底 | 系统化覆盖 ML 面试高频考点 |
💡 即使你没入选或错过了某一讲,仓库里沉淀的模块笔记和历年真题,同样可以当作一份免费的 ML 面试自学教材使用。
📂 仓库里的备考资料全清单
打开仓库根目录,你会看到这样一份"弹药库":
| 资料 | 文件 | 用途 |
|---|---|---|
| 2022 编程真题 | MLSummerSchool2022.md | 3 Robots、Mean-Median-Mode 等 DSA 题 + 详解 |
| 2023 MCQ + 编程题 | MLSummerSchool2023.md | Part A 概率/统计/线代 + Part B 编程 |
| 2024 真题 | MLSummerSchool2024.md / MLSummerSchool2024.pdf | Slot 4 编程题完整解析 |
| 2025 官方样卷 | Amazon_ML_Summer_School_Sample_Test.pdf | 官方样卷(已附解答) |
| 2025 实战真题(上午场) | AMSS_2025_Exam_Questions.pdf | 真实考场题目 |
| 2025 实战真题(下午场) | AMSS_2025_Questions.pdf | 另一套真实考题 |
| 8 大模块笔记 | AMSS 2025/ | 核心课程学习总结 |
| 扩展 ML 资源 | More ML Resources/ | 经典教材 PDF + 路线图 |
⚠️ 小提示:如果在网页端打开 PDF 显示加载失败,点击预览页右上角的 Download 按钮下载本地阅读即可,文件本身没有问题。
🗺️ 8 大模块笔记:一张图看懂 ML 知识体系
AMSS 2025/ 目录完整还原了 AMSS 2025 的 8 次课程,每篇笔记结构统一(核心概念 → 算法对比 → 实践任务),非常适合快速复习:
| 模块 | 主题 | 笔记文件 | 一句话看点 |
|---|---|---|---|
| M1 | Supervised Learning 监督学习 | MODULE1.md | 模型四件套 + 评估指标,附 AQI 数据集 EDA 任务 |
| M2 | Deep Neural Networks 深度神经网络 | MODULE2.md | DNN 与序列模型,附 Titanic 生存预测实战 |
| M3 | Dimensionality Reduction 降维 | MODULE3.md | PCA 等降维方法 |
| M4 | Unsupervised Learning 无监督学习 | MODULE4.md | 聚类与无标签场景 |
| M5 | Probabilistic Graphical Models 概率图模型 | MODULE5.md | 贝叶斯网络入门 |
| M6 | Sequential Learning 序列学习 | MODULE6.md | 隐马尔可夫模型(HMM) |
| M7 | Causal Inference 因果推断 | MODULE7.md | 因果图、ATE 估计 |
| M8 | Reinforcement Learning 强化学习 | MODULE8.md | MDP、Bandit、深度 RL 全景 |
每个模块都带"课后任务"
这是这套笔记最值钱的地方——每篇末尾都配了实践任务。比如 MODULE1.md 要求用 AQI 空气质量数据集做 EDA 与可视化练习,MODULE2.md 则安排 Titanic 数据集的生存预测建模。
📌 复习建议:先通读 M1–M4 打地基(监督学习 → DNN → 降维 → 无监督),再用 M5–M8 拓展广度(PGM → 序列 → 因果 → RL)。前 4 个模块直接对应笔试 MCQ 的高频考点。
📝 笔试 60 分钟怎么打:题型与策略
AMSS 的选拔测试结构非常清晰,吃透题型是拿 offer 的第一步:
- Part A:20 道 MCQ,覆盖 ML 基础、Probability、Statistics、Linear Algebra
- Part B:2 道编程题
- 总时长:仅 60 分钟
⚡ 三条实战策略:
- 双线都要冲——两个部分有独立切线(cutoff),任何一部分掉队都可能出局;
- 编程题防抄袭检查严格——Amazon 会严查代码抄袭,考试时切勿分享代码或使用不正当手段;
- 用真题校准手感——先做 2023 真题 这类 MD 格式题(带选项、方便自测),再刷 2024 编程题、2025 官方样卷 和 2025 实战真题。
💡 2023 年的 MCQ 风格很能说明问题:概率题结合棋盘、超速抓拍等生活场景,考的是"把概率统计知识落到具体情境"的能力——多练历年真题的 Part A 是性价比最高的提分方式。
🚀 从 0 到 PPO:30 天冲刺路线
把仓库里的资料组合成一条可执行的时间线:
| 阶段 | 时间 | 做什么 |
|---|---|---|
| 1️⃣ 地基 | 第 1–7 天 | 通读 M1 监督学习 与 M2 DNN,补全概率/线代基础 |
| 2️⃣ MCQ 专项 | 第 8–15 天 | 按模块做 2023 MCQ 真题,错题回查 M3–M8 笔记 |
| 3️⃣ 编程专项 | 第 16–24 天 | 限时 30 分钟做 2022 编程题、2024 编程题 |
| 4️⃣ 全真模拟 | 第 25–30 天 | 用 2025 官方样卷 与 两套 2025 实战真题 掐表模考 |
📚 笔试之后:用扩展资源加深内功
通过笔试只是入场券,实习答辩和面试还需要更深的功底。More ML Resources/ 目录备齐了经典教材 PDF,覆盖核心到进阶:
- 📘 Deep Learning (Goodfellow 等) —— 深度学习圣经
- 📘 Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow —— 实战首选
- 📘 An Introduction to Statistical Learning —— 统计学习入门
- 📘 Probabilistic Graphical Models.pdf) —— 对应 M5 模块
- 📘 Reinforcement Learning: An Introduction —— 对应 M8 模块
- 📘 Elements of Causal Inference —— 对应 M7 模块
- 📘 Transformers from Scratch —— NLP/LLM 方向加分项
配套的 More ML Resources/README.md 还整理了一份 2024–2025 LLM 趋势速览(Mixtral、Qwen、Phi 系列等)和课程/工具推荐,适合实习前快速补齐大模型知识。
✅ 写在最后
用一句话总结这条路径:8 模块笔记打地基 → 历年真题练手感 → 模考校准节奏 → 扩展资源冲上限。
Amazon ML Summer School 2026 的价值,不只是那张入场券,更是把"从零学 ML 到拿到 PPO Offer"整条链路拆成了一个个可执行的动作。打开 仓库 README,从今天的第一篇模块笔记开始吧 🚀