Preparación para entrevistas de programación en PyTorch con 68 problemas, cuadernos de Jupyter y un tutor de IA.
Practica 68 preguntas de entrevistas reales de Google, Meta y Anthropic usando Jupyter y MCP.
TorchLeet es una colección de código abierto de 68 problemas reales de entrevistas de ML e IA diseñada para ayudarte a dominar PyTorch desde cero. Incluye cuadernos de Jupyter, un corrector automático y un tutor de IA con tecnología MCP que aplica una política estricta de enseñanza sin spoilers.
El repositorio estructura tu preparación en fundamentos, una ruta de aprendizaje completa de LLM y pistas de sistemas avanzados. Abordas preguntas reales planteadas por Google, Meta y Anthropic rellenando bloques TODO en cuadernos de Jupyter y probando tus implementaciones con las soluciones proporcionadas.
Es adecuado para ingenieros e investigadores de machine learning que se preparan para entrevistas técnicas en laboratorios y empresas de primer nivel. No es adecuado para principiantes que aún no conocen Python o las operaciones básicas con tensores.
Aborda 68 preguntas obtenidas directamente de informes de primera mano en Google, Meta y Anthropic.
Construye un LLM desde cero paso a paso, abarcando tokenización, incrustaciones posicionales, atención y alineación.
Conecta tu asistente de IA mediante Model Context Protocol para obtener pistas progresivas y revisiones de código sin revelar las respuestas.
Practica de forma práctica completando bloques TODO en cuadernos locales y comparándolos con los archivos de solución.
Gratis bajo su licencia MIT. El único coste es tu tiempo y los recursos de computación necesarios para ejecutar PyTorch localmente.
877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Puedes hacerlo, pero el autor lo desaconseja firmemente porque el objetivo es comprender a fondo PyTorch a través del esfuerzo en lugar de obtener una respuesta rápida.
Puedes añadir el paquete torchleet-mcp a clientes compatibles como Claude Code, Cursor o VS Code utilizando los comandos de configuración proporcionados en el README.
Ve Zekai primero en Google