Pripravte sa na týchto 13 otázok týkajúcich sa strojového učenia

Dotazy na pohovor so strojovým učením

Pohovor pre inžiniera strojového učenia bude veľmi technický, ale je to vaša šanca ukázať, čo vás robí najlepším kandidátom.

Pripravte sa na tieto otázky z pohovoru s umelou inteligenciou a strojovým učením a na to, ako na ne odpovedať.

Anketári môžu tento zoznam použiť aj na zostavenie pohovoru, ktorý odhalí schopnosť kandidátov na strojové učenie. Naučíte sa ich technické schopnosti a schopnosť kriticky myslieť.

Otázky, ktoré môžete očakávať pri rozhovore so strojovým učením.

Flickr

Algoritmy

Buďte pripravení predviesť svoje znalosti plytkých algoritmov učenia. Pokiaľ sa neuchádzate o prísnu pozíciu Data Scientist, anketár sa nebude púšťať do problémov s algoritmami. Mali by ste však byť schopní hovoriť o vstupoch a o tom, aké algoritmy sa najlepšie používajú pre akú aplikáciu.

1. Kedy by ste použili KNN (k najbližší susedia)?

Na klasifikáciu sa zvyčajne používa KNN. Je to jeden z najjednoduchších a najpoužívanejších algoritmov v strojovom učení.

Vaša odpoveď sa môže líšiť na základe vašich skúseností, ale považujem KNN vo väčšine prípadov, keď sú triedy a funkcie označené

2. Popíšte, ako funguje SVM (Support Vector Machine). Ako môžete použiť SVM s nelineárnymi údajmi?

SVM vytvorí nadrovinu alebo hranicu rozhodnutia na klasifikáciu vstupných údajov na základe toho, na ktorej strane hranice ležia nové údaje. Optimalizujú sa čo najväčším zväčšením rozpätia medzi hraničnými a údajovými bodmi.

Pamätajte, že jadrá sú často spojené s SVM. Jadrá transformujú nelineárne údaje na lineárne údaje, aby bolo možné optimalizovať SVM.

Rámce a jazyky

Anketár bude chcieť vedieť, aké jazyky a rámce ste použili. Pomocou týchto otázok tiež získajú predstavu o tom, ako rýchlo si osvojíte nový rámec a ako ste naladení s tým, aké rámce sú k dispozícii pre umelú inteligenciu.

3. Prečo rád používaš ?

Čokoľvek vo vašom životopise je férová hra. Najmä programovacie jazyky, ktoré uvádzate vo svojich schopnostiach. Takže buďte pripravení hovoriť o všetkých podrobnostiach.

Ak je pravdivá odpoveď, že ste použili iba tento jazyk, pretože to použili pri vašom poslednom zamestnaní, je to v poriadku. Buďte pripravení hovoriť o výhodách a nevýhodách jazyka z pohľadu strojového učenia.

4. Povedzte mi o svojich skúsenostiach s používaním ?

Ak poznáte rámec, ktorý spoločnosť používa, malo by to byť pre vás jednoduché. Iste, ak ste ich uviedli vo svojom životopise, mali by ste byť schopní hovoriť o nich všetko.

Ak ste tento konkrétny rámec príliš nepoužívali, nemusí to nutne znamenať prerušenie obchodu. Každý softvérový inžinier, ktorý si zaslúži svoju soľ, by mal byť schopný prispôsobiť sa novému rámcu bez obrovskej krivky učenia. V popise práce bude pravdepodobne uvedený zoznam niekoľkých hlavných platforiem, ktoré spoločnosť používa. Skúmajte ich pred začiatkom pohovoru.

Niektoré aspekty, na ktoré sa treba zamerať pri výskume nového rámca:

Aké úlohy zvláda najlepšie?
Čo sú silné a slabé stránky?
Ktoré jazyky dobre spolupracujú s rámcom?

Musíte byť schopní inteligentne hovoriť o tomto prostredí.

Ak je rámec open-source, vyskúšajte ho na svojom osobnom počítači. Môžete tiež absolvovať niekoľko cenovo dostupných online kurzov, ktoré vám poskytnú dočasnú licenciu.

Budovanie neurónových sietí

5. Čo by ste robili, keby sa váš algoritmus nezhodoval?

Toto je otvorená otázka, ktorá by mala byť ľahká pre každého, kto pracuje v strojovom učení.

Dobrým prvým krokom je zníženie rýchlosti učenia (alfa). Ako anketár by som chcel, aby kandidát opísal logickejší prístup k hľadaniu alfa. Vyskúšajte strategický rozsah alfov a vykreslite nákladovú funkciu na počet iterácií.

6. Kedy by ste použili gradientový pokles vs normálnu rovnicu?

Možno sa vás opýtajú na výhody a nevýhody rôznych metód na optimalizáciu algoritmu.

Pamätajte, že normálnu rovnicu nemožno použiť s klasifikáciou, takže na toto porovnanie záleží iba na regresii. Normálna rovnica sa vyberie, keď počet prvkov nie je príliš veľký. Oproti gradientnému klesaniu má výhodu v tom, že nemusíte zvoliť rýchlosť učenia alebo opakovať.

Ak existuje veľa funkcií, potom je normálna rovnica veľmi pomalá, takže by som zvolil gradientný zostup.

Očakávajte otázky týkajúce sa budovania neurónových sietí v rozhovore pre pozíciu strojového učenia alebo umelej inteligencie.

WikimediaCommons

Vyhodnocovanie modelov (výkon)

Jednou z hlavných úloh inžiniera strojového učenia je optimalizácia neurónovej siete a pochopenie toho, ako dobre funguje.

7. Prečo je overfitting zlý a ako to napraviť?

Preťaženie je, keď algoritmus veľmi dobre zapadá do tréningových údajov, ale presne predpovedá nové situácie. Je zrejmé, že je to zlé, pretože to nie je užitočné pre situácie v reálnom svete.

Popíšte niekoľko spôsobov, ako je možné vylepšiť nadmerné vybavenie. Pridanie regularizačného výrazu a zvýšenie lambda môže mať dobré výsledky. Zníženie počtu funkcií alebo zníženie poradia polynómov sú možnosti, ale nie sú správnymi voľbami v každej situácii.

8. Ako zistíte, či je váš model dobrý?

Je to podobné ako v prípade vyššie uvedenej otázky, pri ktorej musí kandidát pochopiť, ako hodnotiť modely.

Môžete vysvetliť, ako sú dostupné údaje o tréningu rozdelené na údaje o tréningu, údaje o overení a údaje o teste a na čo sa každé z nich používa. Chcel by som počuť rozhovor kandidáta o zmene polynomiálneho stupňa a lambda a porovnaní chyby vo validačných údajoch.

Projekty

Príďte na pohovor pripravení diskutovať o predchádzajúcich projektoch. Rovnako ako pri každom rozhovore, všetko, čo je uvedené v vašom životopise, je férová hra.

Pripravte si portfólio projektov z práce, školy alebo z vlastnej osobnej potreby. Mohli by ste byť obmedzovaní v tom, čo môžete povedať z Dohody o mlčanlivosti alebo tajnej práce, aby bolo jasné, o čom môžete diskutovať.

Tu môžete očakávať niekoľko otázok:

9. Aký bol tvoj obľúbený projekt strojového učenia, na ktorom si pracoval?

Kvôli tomuto pohovoru si môžete zvoliť projekt, ktorý je pre vašu prácu najrelevantnejší. To vám dá príležitosť zdôrazniť vaše relevantné skúsenosti.

Ak by ste radšej hovorili o tom, ktorý z nich bol váš najobľúbenejší, aby ste mali náborového manažéra predstavu, či sa vám nová pozícia bude páčiť, je to dobrý nápad.

10. Povedz mi o ťažkom probléme, ktorý si vyriešil.

Vyberte problém, ktorý sa dá ľahko opísať. Súčasťou zodpovedania tejto otázky je aj to, že môžete popísať zložité problémy so strojovým učením netechnickému publiku.

Keď popisujete svoje riešenie, neberte si kredit, pokiaľ to nebolo skutočne všetko vaše úsilie. Hranie sa na príspevky vášho tímu ukáže, že ste dobrý tímový hráč. Ak je to možné, upozornite na dopady tohto problému na zákazníka, časový plán a rozpočet. Ukážte, ako vaše príspevky pridávajú hodnotu na spodnom riadku, nielen na okamžitý problém.

Otázky týkajúce sa správania

Nezabudnite, že pohovor bude s najväčšou pravdepodobnosťou obsahovať otázky týkajúce sa správania. A pre mnohých inžinierov a vedcov v oblasti dát je to tá najťažšia časť! Trávime toľko času prípravou na technické otázky, na ktoré zabúdame, a tiež ich budeme hodnotiť podľa toho, ako sme zapadli do tímu.

Dôležitejšie otázky týkajúce sa správania sú uvedené nižšie, aby ste sa na ne mohli pripraviť vopred. Pri otázkach, ktoré vás požiadajú o opísanie konkrétneho času, načrtnite svoje odpovede pomocou modelu STAR. Čítať