Съдържание:
- Въпроси за интервю за машинно обучение
- Алгоритми
- Рамки и езици
- Изграждане на невронни мрежи
- Модели за оценка (ефективност)
- Проекти
- Въпроси за поведение
Въпроси за интервю за машинно обучение
Интервюто за инженер по машинно обучение ще бъде много техническо, но това е вашият шанс да покажете кое ви прави най-добрият кандидат.
Пригответе се с тези въпроси за интервю за изкуствен интелект и машинно обучение и как да отговорите на тях.
Интервюиращите могат също да използват този списък за съставяне на интервю, което разкрива способността на кандидатите за машинно обучение. Ще научите техническите им умения и способността им да мислят критично.
Въпроси, които да очаквате в интервю за машинно обучение.
Flickr
Алгоритми
Бъдете готови да покажете знанията си за плитки алгоритми за обучение. Освен ако не кандидатствате за строга длъжност на Data Scientist, интервюиращият няма да навлиза в твърде много глупави въпроси с алгоритми. Но трябва да можете да говорите за входовете и кои алгоритми са най-добре използвани за какво приложение.
1. Кога бихте използвали KNN (k най-близки съседи)?
KNN обикновено се използва за класификация. Това е един от най-простите и използвани алгоритми в машинното обучение.
Вашият отговор може да варира в зависимост от вашия опит, но аз бих взел предвид KNN в повечето случаи, когато класовете и функциите са етикетирани
2. Опишете как работи SVM (Support Vector Machine). Как можете да използвате SVM с нелинейни данни?
SVM създава хиперплан или граница на решение, за да класифицира входните данни въз основа на коя страна на границата се намират новите данни. Те се оптимизират чрез увеличаване на границите между границата и точките от данни, доколкото е възможно.
Не забравяйте, че ядрата често са подредени с SVM. Ядрата трансформират нелинейни данни в линейни данни, така че SVM може да бъде оптимизиран.
Рамки и езици
Интервюиращият ще иска да знае какви езици и рамки сте използвали. Те също ще използват тези въпроси, за да добият представа колко бързо ще вземете нова рамка и доколко сте в унисон с това какви рамки са на разположение за изкуствен интелект.
3. Защо обичаш да използваш
Всичко във вашето автобиография е честна игра. Особено езиците за програмиране, които посочвате във вашите умения. Така че бъдете готови да говорите за всички тънкости.
Ако верният отговор е, че сте използвали само този език, защото това са използвали на последната ви работа, това е добре. Просто бъдете готови да говорите за предимствата и недостатъците на даден език от гледна точка на машинното обучение.
4. Разкажете ми за вашия опит с използването
Ако сте запознати с рамката, която компанията използва, това трябва да е лесно за вас. Разбира се, ако сте ги посочили в автобиографията си, трябва да можете да говорите всичко за тях.
Ако не сте използвали тази конкретна рамка много, това не е непременно прекъсване на сделката. Всеки софтуерен инженер, който си струва неговата сол, трябва да може да се адаптира към нова рамка без огромна крива на обучение. Описанието на длъжността вероятно ще изброи няколко от основните платформи, които компанията използва. Направете проучване на тези преди интервюто да започне.
Някои аспекти, върху които трябва да се съсредоточите при изследване на нова рамка:
- С какви задачи се справя най-добре?
- Какви са силните / слабите страни?
- Кои езици взаимодействат добре с рамката?
Трябва да можете да говорите интелигентно за тази среда.
Ако рамката е с отворен код, изпробвайте я на личния си компютър. Има и някои онлайн класове на достъпни цени, които ще ви дадат временен лиценз.
Изграждане на невронни мрежи
5. Какво бихте направили, ако вашият алгоритъм не се сближи?
Това е отворен въпрос, който трябва да бъде лесен за всеки, който работи в машинно обучение.
Намаляването на степента на обучение (алфа) е добра първа стъпка. Като интервюиращ, бих искал да видя кандидата да описва по-логичен подход за намиране на алфа. Опитайте стратегически диапазон от алфа и начертайте функцията на разходите по брой итерации.
6. Кога бихте използвали Gradient Descent vs Normal Equation?
Може да попитате за плюсовете и минусите на различните методи за оптимизиране на алгоритъм.
Не забравяйте, че нормалното уравнение не може да се използва с класификация, така че това сравнение има значение само за регресия. Нормалното уравнение се избира, когато броят на характеристиките не е много голям. Той има предимство пред градиентното спускане, тъй като не е нужно да избирате скорост на обучение или да повтаряте.
Ако има много функции, тогава нормалното уравнение е много бавно, така че бих избрал градиентно спускане.
Очаквайте въпроси за изграждането на невронни мрежи в интервю за машинно обучение или позиция на изкуствен интелект.
WikimediaCommons
Модели за оценка (ефективност)
Една от основните задачи на инженера по машинно обучение е да оптимизира невронната мрежа и да разбере колко добре се представя.
7. Защо прекаленото оборудване е лошо и как можете да го поправите?
Пренастройването е, когато даден алгоритъм се побира много добре от данните за обучение, но правилно предсказва нови ситуации. Очевидно това е лошо, защото не е полезно за реални ситуации.
Опишете няколко начина, по които пренастройването може да бъде подобрено. Добавянето на термин за регулиране и увеличаване на ламбда може да има добри резултати. Намаляването на броя на характеристиките или намаляването на реда на полиномите са опции, но не са правилният избор във всяка ситуация.
8. Как да разберете дали вашият модел е добър?
Това е подобно на горния въпрос, при който кандидатът трябва да разбере как да оценява моделите.
Можете да обясните как наличните данни за обучение се разделят на данни за обучение, данни за проверка и данни за тестове и за какво се използват всеки от тях. Бих искал да чуя кандидат да говори за промяна на степента на полинома и ламбда и сравняване на грешката в данните за валидиране.
Проекти
Елате на интервюто готови да обсъдите предишни проекти. Както при всяко интервю, всичко в автобиографията ви е честна игра.
Подгответе портфолио от проекти от работа, училище или ваше лично ползване. Може да бъдете ограничени в това, което можете да кажете от Споразумението за неразкриване или класифицирана работа, така че бъдете ясни какво можете да обсъдите.
Ето няколко въпроса, които можете да очаквате:
9. Кой беше вашият любим проект за машинно обучение, по който сте работили?
В името на това интервю може да изберете проекта, който е най-подходящ за работата като ваш любим. Това ще ви даде шанс да подчертаете съответното си преживяване.
Ако предпочитате да говорите за това кой е вашият истински фаворит, за да дадете идея на мениджъра по наемането дали новата позиция ще ви хареса, това също е добра идея.
10. Разкажете ми за труден проблем, който решихте.
Изберете проблем, който може лесно да бъде описан. Част от добрия отговор на този въпрос показва, че можете да опишете сложни проблеми на машинното обучение на нетехническа аудитория.
Когато описвате решението си, не вземайте кредита, освен ако наистина това не са били всичките ви усилия. Възпроизвеждането на приноса на вашия отбор ще покаже, че сте добър играч в отбора. Ако е приложимо, посочете въздействието на този проблем върху клиента, графика и бюджета. Покажете как вашите приноси добавяте стойност към долния ред, а не само непосредствения проблем.
Въпроси за поведение
Не забравяйте, че интервюто най-вероятно ще включва поведенчески въпроси. И за много инженери и изследователи на данни това е най-трудната част! Прекарваме толкова много време в подготовка за техническите въпроси, които забравяме, които също ще бъдат оценени от това как се вписваме в екипа.
По-важните поведенчески въпроси са по-долу, за да можете да се подготвите предварително. За въпросите, които ви карат да опишете конкретно време, използвайте модела STAR, за да очертаете отговорите си. Прочети