Sadržaj:
- Pitanja za intervju za strojno učenje
- Algoritmi
- Okviri i jezici
- Izgradnja neuronskih mreža
- Evaluacijski modeli (izvedba)
- Projekti
- Bihevioralna pitanja
Pitanja za intervju za strojno učenje
Intervju za inženjera strojnog učenja bit će vrlo tehnički, ali to je vaša prilika da pokažete što vas čini najboljim kandidatom.
Pripremite se s ovim pitanjima za intervjue o umjetnoj inteligenciji i strojnom učenju i kako odgovoriti na njih.
Anketari također mogu koristiti ovaj popis za izradu intervjua koji otkriva sposobnost kandidata za strojno učenje. Naučit ćete njihove tehničke vještine i sposobnost kritičkog razmišljanja.
Pitanja koja se očekuju u intervjuu za strojno učenje.
Flickr
Algoritmi
Budite spremni pokazati svoje znanje o plitkim algoritmima učenja. Ako se ne prijavite za strogo radno mjesto Data Scientist, ispitivač neće ulaziti u previše gluposti s pitanjima o algoritmu. Ali trebali biste moći razgovarati o ulazima i o tome koji se algoritmi najbolje koriste za koju aplikaciju.
1. Kada biste koristili KNN (k najbližih susjeda)?
KNN se obično koristi za klasifikaciju. To je jedan od najjednostavnijih i najčešće korištenih algoritama u strojnom učenju.
Vaš se odgovor može razlikovati ovisno o vašem iskustvu, ali KNN bih razmotrio u većini slučajeva kada su klase i značajke označene
2. Opišite kako funkcionira SVM (Support Vector Machine). Kako možete koristiti SVM-ove s nelinearnim podacima?
SVM stvara hiperravninu ili granicu odluke za klasifikaciju ulaznih podataka na temelju toga na kojoj se strani granice nalaze novi podaci. Optimiziraju se povećanjem razmaka između granice i točaka podataka što je više moguće.
Ne zaboravite da se jezgre često slažu sa SVM-ovima. Jezgre transformiraju nelinearne podatke u linearne podatke tako da se SVM može optimizirati.
Okviri i jezici
Anketar će htjeti znati koje ste jezike i okvire koristili. Oni će također upotrijebiti ova pitanja kako bi stekli ideju o tome koliko brzo ćete prihvatiti novi okvir i koliko ste u skladu s onim okvirima koji su dostupni za umjetnu inteligenciju.
3. Zašto volite koristiti
Sve u vašem životopisu je poštena igra. Pogotovo programski jezici koje navodite u svojim vještinama. Stoga budite spremni razgovarati o svim detaljima.
Ako je istinit odgovor da ste taj jezik koristili samo zato što su to koristili na vašem zadnjem poslu, to je u redu. Samo budite spremni razgovarati o prednostima i nedostacima jezika iz perspektive strojnog učenja.
4. Pričajte mi o svom iskustvu korištenja
Ako ste upoznati s okvirom koji tvrtka koristi, ovo bi vam trebalo biti lako. Svakako, ako ste ih naveli u životopisu, trebali biste moći razgovarati o njima.
Ako niste koristili taj specifični okvir puno, to ne mora nužno biti prekidač dogovora. Bilo koji softverski inženjer vrijedan njegove soli trebao bi se moći prilagoditi novom okviru bez velike krivulje učenja. U opisu posla vjerojatno će se naći nekoliko glavnih platformi koje tvrtka koristi. Istražite ih prije početka intervjua.
Neki aspekti na koje treba usmjeriti pozornost prilikom istraživanja novog okvira:
- Koje zadatke najbolje rješava?
- Koje su snage / slabosti?
- Koji se jezici dobro povezuju s okvirom?
Morate znati inteligentno razgovarati o tom okruženju.
Ako je okvir otvorenog koda, isprobajte ga na osobnom računalu. Postoji i nekoliko pristupačnih internetskih predavanja koja će vam dati privremenu licencu.
Izgradnja neuronskih mreža
5. Što biste učinili ako se vaš algoritam ne konvergira?
Ovo je otvoreno pitanje koje bi trebalo biti lako svima koji rade u strojnom učenju.
Smanjivanje stope učenja (alfa) dobar je prvi korak. Kao anketar, volio bih vidjeti da kandidat opisuje logičniji pristup pronalaženju alfe. Isprobajte strateški raspon alfa i strukturirajte funkciju troškova prema broju iteracija.
6. Kada biste koristili Gradient Descent vs Normal Equation?
Mogli biste pitati o prednostima i nedostacima različitih metoda za optimizaciju algoritma.
Imajte na umu da se normalna jednadžba ne može koristiti s klasifikacijom, pa je ova usporedba važna samo za regresiju. Normalna jednadžba odabire se kada broj značajki nije jako velik. Ima prednost u odnosu na gradijentni spust u tome što ne morate odabrati brzinu učenja ili iteraciju.
Ako postoji puno značajki, tada je normalna jednadžba vrlo spora pa bih odabrao gradijentni spust.
Očekujte pitanja o izgradnji neuronskih mreža u intervjuu za mjesto strojnog učenja ili umjetne inteligencije.
WikimediaCommons
Evaluacijski modeli (izvedba)
Jedan od primarnih poslova inženjera strojnog učenja je optimizacija neuronske mreže i razumijevanje njezine dobre izvedbe.
7. Zašto je prekomjerno opremanje loše i kako ga možete popraviti?
Prekomjerno prilagođavanje je kada algoritam vrlo dobro odgovara podacima s treninga, ali točno predviđa nove situacije. Očito je da je ovo loše jer nije korisno u stvarnim situacijama.
Opišite nekoliko načina na koje se prekomjerna oprema može poboljšati. Dodavanje pojma regularizacije i povećanje lambde može imati dobre rezultate. Smanjivanje broja značajki ili smanjivanje redoslijeda polinoma su opcije, ali nisu pravi odabir u svakoj situaciji.
8. Kako znati je li vaš model dobar?
To je slično gornjem pitanju gdje kandidat mora razumjeti kako ocjenjivati modele.
Možete objasniti kako se dostupni podaci o treningu dijele na podatke o treningu, podatke o provjeri i podatke o ispitivanju i za što se svaki koristi. Želio bih čuti kandidata kako govori o promjeni stupnja polinoma i lambda te o usporedbi pogreške u podacima o provjeri.
Projekti
Dođite na intervju spremni za razgovor o prethodnim projektima. Kao i na svakom intervjuu, sve u vašem životopisu je poštena igra.
Pripremite portfelj projekata s posla, škole ili osobne potrebe. Možda ćete biti ograničeni u onome što možete reći iz Ugovora o neotkrivanju podataka ili povjerljivog rada, pa budite jasni o čemu možete razgovarati.
Evo nekoliko pitanja koja možete očekivati:
9. Koji vam je bio najdraži projekt strojnog učenja na kojem ste radili?
Zbog ovog intervjua možda ćete najdraži projekt odabrati za svoj posao. To će vam pružiti priliku da istaknete svoje relevantno iskustvo.
Ako radije razgovarate o tome koji vam je najdraži, da biste menadžeru zapošljavanja dali ideju hoće li vam se svidjeti novo radno mjesto, i to je dobra ideja.
10. Reci mi o teškom problemu koji si riješio.
Odaberite problem koji se lako može opisati. Dio dobrog odgovora na ovo pitanje pokazuje da možete opisati složene probleme strojnog učenja netehničkoj publici.
Kad opisujete svoje rješenje, nemojte uzimati kredit osim ako to zaista nije bio sav vaš trud. Utvrđivanjem doprinosa vašeg tima pokazat ćete da ste dobar timski igrač. Ako je primjenjivo, istaknite utjecaj ovog problema na kupca, raspored i proračun. Pokažite kako svojim doprinosima dodate vrijednost u dnu crte, a ne samo neposredni problem.
Bihevioralna pitanja
Ne zaboravite da će intervju najvjerojatnije sadržavati bihevioralna pitanja. A mnogim je inženjerima i znanstvenicima obrade podataka to najteže! Provodimo toliko vremena pripremajući se za tehnička pitanja koja zaboravljamo, a koja će se također procijeniti prema tome kako se uklapamo u tim.
Važnija pitanja o ponašanju nalaze se u nastavku kako biste se mogli pripremiti prije vremena. Za pitanja koja vas traže da opišete određeno vrijeme upotrijebite STAR model da biste istaknuli svoje odgovore. Čitati