Preparação para entrevistas de código em PyTorch com 68 problemas, notebooks Jupyter e um tutor de IA.
Pratique 68 questões reais de entrevistas do Google, Meta e Anthropic usando Jupyter e MCP.
TorchLeet é uma coleção de código aberto com 68 problemas reais de entrevistas de ML e IA, projetada para ajudar você do zero a dominar o PyTorch. Conta com notebooks Jupyter, um corretor automático e um tutor de IA integrado via MCP que aplica uma política rígida de ensino sem spoilers.
O repositório estrutura sua preparação em fundamentos, uma trilha completa de aprendizado de LLM e caminhos de sistemas avançados. Você resolve perguntas reais feitas por Google, Meta e Anthropic preenchendo blocos TODO em notebooks Jupyter e testando suas implementações com as soluções fornecidas.
É ideal para engenheiros de machine learning e pesquisadores que se preparam para entrevistas técnicas em laboratórios e empresas de ponta. Não é adequado para iniciantes que ainda não conhecem Python ou operações básicas com tensores.
Resolva 68 questões obtidas diretamente de relatos em primeira mão no Google, Meta e Anthropic.
Construa uma LLM do zero de forma sequencial, cobrindo tokenização, embeddings posicionais, attention e alinhamento.
Conecte seu assistente de IA via Model Context Protocol para dicas progressivas e revisões de código sem revelar as respostas.
Pratique na prática preenchendo blocos TODO em notebooks locais e comparando com os arquivos de solução.
Gratuito sob licença MIT. O único custo é o seu tempo e os recursos computacionais necessários para rodar o PyTorch localmente.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Você pode, mas o autor desaconselha fortemente, pois o objetivo é entender profundamente o PyTorch através do esforço, em vez de obter uma resposta rápida.
Você pode adicionar o pacote torchleet-mcp a clientes suportados como Claude Code, Cursor ou VS Code usando os comandos de configuração fornecidos no README.
Veja o Zekai primeiro no Google