先按岗位选择 NVIDIA 准备路径
NVIDIA 官方说明，面试安排依岗位而异，技术岗位可能有编码练习。GPU / CUDA 是部分岗位的准备方向，不能当作所有软件岗位的必考轮次。具体安排请向招聘人员确认。
软件工程 / Systems
从职位描述里的语言、系统组件与职责出发，练习数据结构、测试、调试和工程取舍。
自测练习：实现一个有容量上限的缓存：先说明淘汰规则，再写测试覆盖更新、空缓存和容量为零的情况。
检查标准：能解释操作复杂度、边界行为，以及加入并发访问后哪些假设需要改变。
SDE 准备与 Coding 训练 →GPU / CUDA / 性能方向
仅当岗位涉及 GPU 或性能工程时，围绕自己的项目梳理访存、并行度、同步和性能测量。
自测练习：选择自己做过的一次性能优化，列出基线、瓶颈假设、测量方式和优化后的结果。
检查标准：能区分测量结果与推测，说明正确性验证、硬件环境及优化的适用边界。
本站 GPU / MLE 准备文章 →ML Engineer / ML Systems
把模型知识与训练、推理、部署和监控串起来，按岗位要求决定需要深入的环节。
自测练习：设计一个带延迟和成本约束的推理服务，讨论批处理、模型版本、容量与回滚。
检查标准：能明确指标、估算假设，解释质量、吞吐与延迟之间的取舍。
ML 系统设计准备 →以上任务为本站设计的准备练习，不是公司已确认的面试原题或固定轮次。