Hãy sẵn sàng cho 13 câu hỏi phỏng vấn này về học máy

Câu hỏi phỏng vấn về Học máy

Cuộc phỏng vấn cho một kỹ sư học máy sẽ rất kỹ thuật, nhưng đó là cơ hội để bạn thể hiện điều gì khiến bạn trở thành ứng viên tốt nhất.

Chuẩn bị sẵn sàng với những câu hỏi phỏng vấn về trí tuệ nhân tạo và học máy này và cách trả lời chúng.

Người phỏng vấn cũng có thể sử dụng danh sách này để xây dựng một cuộc phỏng vấn tiết lộ khả năng của ứng viên học máy. Bạn sẽ học các kỹ năng kỹ thuật và khả năng suy nghĩ chín chắn của họ.

Các câu hỏi mong đợi trong một cuộc phỏng vấn học máy.

Flickr

Thuật toán

Hãy chuẩn bị để thể hiện kiến ​​thức của bạn về các thuật toán học nông. Trừ khi bạn đang ứng tuyển vào vị trí Nhà khoa học dữ liệu nghiêm ngặt, người phỏng vấn sẽ không đi quá sâu vào các câu hỏi thuật toán. Nhưng bạn sẽ có thể nói về các đầu vào và thuật toán nào được sử dụng tốt nhất cho ứng dụng nào.

1. Bạn sẽ sử dụng KNN (k hàng xóm gần nhất) khi nào?

KNN thường được sử dụng để phân loại. Đây là một trong những thuật toán đơn giản nhất và được sử dụng nhiều nhất trong học máy.

Câu trả lời của bạn có thể khác nhau dựa trên kinh nghiệm của bạn nhưng tôi sẽ xem xét KNN trong hầu hết các trường hợp khi các lớp và tính năng được gắn nhãn

2. Mô tả cách thức hoạt động của SVM (Support Vector Machine). Bạn có thể sử dụng SVM với dữ liệu phi tuyến tính như thế nào?

SVM tạo ra một siêu phẳng hoặc ranh giới quyết định để phân loại dữ liệu đầu vào dựa trên phía nào của ranh giới mà dữ liệu mới nằm. Chúng được tối ưu hóa bằng cách tăng khoảng cách giữa ranh giới và các điểm dữ liệu nhiều nhất có thể.

Hãy nhớ rằng các hạt nhân thường được xếp chồng lên nhau với các SVM. Nhân biến đổi dữ liệu phi tuyến tính thành dữ liệu tuyến tính để SVM có thể được tối ưu hóa.

Khung và Ngôn ngữ

Người phỏng vấn sẽ muốn biết bạn đã sử dụng những ngôn ngữ và khuôn khổ nào. Họ cũng sẽ sử dụng những câu hỏi này để có ý tưởng về việc bạn sẽ chọn một khung mới nhanh như thế nào và bạn hòa hợp với những khuôn khổ nào có sẵn cho trí tuệ nhân tạo.

3. Tại sao bạn thích sử dụng ?

Bất cứ điều gì trong sơ yếu lý lịch của bạn đều là trò chơi công bằng. Đặc biệt là các ngôn ngữ lập trình mà bạn liệt kê trong kỹ năng của mình. Vì vậy, hãy chuẩn bị để nói về tất cả những điều cần biết.

Nếu câu trả lời trung thực là bạn chỉ sử dụng ngôn ngữ đó vì đó là những gì họ đã sử dụng trong công việc cuối cùng của bạn, điều đó tốt. Chỉ cần chuẩn bị để nói về những ưu điểm và nhược điểm của một ngôn ngữ từ góc độ học máy.

4. Hãy cho tôi biết về trải nghiệm của bạn khi sử dụng ?

Nếu bạn đã quen với khuôn khổ công ty sử dụng, điều này sẽ dễ dàng cho bạn. Chắc chắn, nếu bạn liệt kê chúng trong sơ yếu lý lịch của mình, bạn sẽ có thể nói tất cả về chúng.

Nếu bạn chưa sử dụng khung cụ thể đó nhiều thì đó không nhất thiết là một công cụ phá vỡ thỏa thuận. Bất kỳ kỹ sư phần mềm nào cũng có thể thích nghi với một khung công tác mới mà không cần một đường cong học tập lớn. Bản mô tả công việc có thể sẽ liệt kê một vài nền tảng chính mà công ty sử dụng. Thực hiện nghiên cứu của bạn về những điều đó trước khi cuộc phỏng vấn bắt đầu.

Một số khía cạnh cần tập trung khi nghiên cứu một khuôn khổ mới:

• Những tác vụ nào nó xử lý tốt nhất?
• Điểm mạnh / điểm yếu là gì?
• Ngôn ngữ nào giao diện tốt với khuôn khổ?

Bạn cần có khả năng nói chuyện thông minh về môi trường đó.

Nếu khung là mã nguồn mở thì hãy dùng thử trên máy tính cá nhân của bạn. Ngoài ra còn có một số lớp học trực tuyến giá cả phải chăng mà bạn có thể tham gia sẽ cấp cho bạn giấy phép tạm thời.

Xây dựng mạng thần kinh

5. Bạn sẽ làm gì nếu thuật toán của bạn không hội tụ?

Đây là một câu hỏi mở nên dễ dàng đối với bất kỳ ai làm việc trong lĩnh vực máy học.

Giảm tỷ lệ học tập (alpha) là một bước đầu tiên tốt. Là một người phỏng vấn, tôi muốn thấy ứng viên mô tả một cách tiếp cận hợp lý hơn để tìm ra alpha. Hãy thử một loạt alphas chiến lược và vẽ biểu đồ hàm chi phí theo số lần lặp lại.

6. Khi nào bạn sử dụng Gradient Descent so với Normal Equation?

Bạn có thể hỏi về ưu và nhược điểm của các phương pháp khác nhau để tối ưu hóa thuật toán.

Hãy nhớ rằng phương trình bình thường không thể được sử dụng với phân loại, vì vậy so sánh này chỉ quan trọng đối với hồi quy. Phương trình bình thường được chọn khi số lượng đối tượng địa lý không quá lớn. Nó có một lợi thế hơn so với gradient descent là bạn không phải chọn tốc độ học hoặc lặp lại.

Nếu có nhiều tính năng thì phương trình bình thường rất chậm vì vậy tôi sẽ chọn gradient descent.

Đặt câu hỏi về cách xây dựng mạng nơ-ron trong một cuộc phỏng vấn cho vị trí học máy hoặc trí tuệ nhân tạo.

WikimediaCommons

Đánh giá mô hình (Hiệu suất)

Một trong những công việc chính của kỹ sư học máy là tối ưu hóa mạng nơ-ron và hiểu nó hoạt động tốt như thế nào.

7. Tại sao overfitting lại xấu và bạn có thể sửa nó như thế nào?

Overfitting là khi một thuật toán rất phù hợp với dữ liệu đào tạo nhưng không dự đoán chính xác các tình huống mới. Rõ ràng điều này là không tốt vì nó không hữu ích cho các tình huống trong thế giới thực.

Mô tả một số cách có thể cải thiện việc mặc trang phục quá mức. Thêm một thuật ngữ chính quy hóa và tăng lambda có thể có kết quả tốt. Giảm số lượng đối tượng hoặc giảm bậc của đa thức là các tùy chọn nhưng không phải là lựa chọn đúng trong mọi tình huống.

8. Làm thế nào để bạn biết nếu mô hình của bạn là tốt?

Điều này tương tự như câu hỏi trên, ứng viên cần hiểu cách đánh giá người mẫu.

Bạn có thể giải thích cách dữ liệu đào tạo có sẵn được chia thành Dữ liệu đào tạo, Dữ liệu xác thực và Dữ liệu kiểm tra và mỗi dữ liệu được sử dụng để làm gì. Tôi muốn nghe một ứng viên nói về việc thay đổi mức độ đa thức và lambda và so sánh lỗi trong dữ liệu xác thực.

Dự án

Đến buổi phỏng vấn sẵn sàng thảo luận về các dự án trước đó. Như với bất kỳ cuộc phỏng vấn nào, bất kỳ điều gì trong sơ yếu lý lịch của bạn đều là trò chơi công bằng.

Chuẩn bị sẵn một danh mục các dự án từ nơi làm việc, trường học hoặc mục đích sử dụng cá nhân của bạn. Bạn có thể bị hạn chế về những gì bạn có thể nói từ Thỏa thuận không tiết lộ hoặc công việc đã phân loại, vì vậy hãy rõ ràng về những gì bạn có thể thảo luận.

Dưới đây là một số câu hỏi bạn có thể mong đợi:

9. Bạn đã thực hiện dự án máy học yêu thích nào?

Vì lợi ích của cuộc phỏng vấn này, bạn có thể chọn dự án phù hợp nhất với công việc mà bạn yêu thích. Điều này sẽ giúp bạn có cơ hội làm nổi bật trải nghiệm có liên quan của mình.

Nếu bạn muốn nói về vị trí yêu thích thực sự của mình để cung cấp cho người quản lý tuyển dụng ý tưởng về việc bạn có thích vị trí mới thì đó cũng là một ý kiến ​​hay.

10. Hãy kể cho tôi nghe về một vấn đề khó khăn mà bạn đã giải quyết.

Chọn một vấn đề có thể dễ dàng mô tả. Một phần của việc trả lời tốt câu hỏi này là cho thấy rằng bạn có thể mô tả các vấn đề phức tạp của máy học cho đối tượng không chuyên về kỹ thuật.

Khi bạn mô tả giải pháp của mình, đừng coi thường giải pháp trừ khi nó thực sự là tất cả nỗ lực của bạn. Phát huy những đóng góp của đội bạn sẽ cho thấy bạn là một người chơi giỏi. Nếu có thể, hãy chỉ ra khách hàng, lịch trình và ngân sách ảnh hưởng đến vấn đề này. Cho thấy những đóng góp của bạn mà bạn thêm giá trị vào điểm mấu chốt, không chỉ là vấn đề trước mắt.

Câu hỏi về hành vi

Đừng quên rằng cuộc phỏng vấn rất có thể sẽ bao gồm các câu hỏi về hành vi. Và đối với nhiều kỹ sư và nhà khoa học dữ liệu, đây là phần khó nhất! Chúng tôi dành quá nhiều thời gian để chuẩn bị cho các câu hỏi kỹ thuật mà chúng tôi quên rằng điều đó cũng sẽ được đánh giá bằng cách chúng tôi phù hợp với nhóm.

Dưới đây là những câu hỏi hành vi quan trọng hơn để bạn có thể chuẩn bị trước. Đối với các câu hỏi yêu cầu bạn mô tả thời gian cụ thể, hãy sử dụng mô hình STAR để phác thảo câu trả lời của bạn. Đọc