Типы интервью по машинному обучению и как их пройти
Подробное руководство по различным категориям интервью по машинному обучению и подготовке к ним.
Весной 21 года я начал искать работу. Я не смог найти ни одной краткой статьи о различных аспектах, по которым у меня будут брать интервью. В первой серии интервью я временами терялся в догадках. Мне пришлось усвоить это на собственном горьком опыте, что независимо от того, насколько вы хороший исследователь или инженер машинного обучения, когда дело доходит до интервью, этого недостаточно. Вы должны подготовиться к этому! Прежде чем вы сможете даже начать подготовку, вам нужно знать, в каких областях вы будете тестироваться.
В этой статье я расскажу о различных типах интервью по машинному обучению на основе 58 часов интервью, которые я провел ранее в этом году. В приведенной ниже круговой диаграмме представлены различные категории собеседований инженеров по машинному обучению и специалистов по данным.
Мы сосредоточимся на скрининге, кодировании, машинном обучении, тематическом исследовании и проектировании системы.
1. Скрининг
Это интервью довольно случайное и чаще всего является первым шагом в череде интервью. Его обычно проводит рекрутер или менеджер по найму. Основная цель этого собеседования — дать кандидату представление о компании, должностных инструкциях и обязанностях. Кандидата также спрашивают о его/ее опыте работы в неформальной обстановке, чтобы убедиться, что сфера интересов кандидата совпадает с работой.
Природа: нетехнические
Режим: обычный телефонный звонок.
Продолжительность: 15–20 мин.
Подготовка. Вы должны быть в состоянии объяснить свой опыт через несколько минут.
2. Кодирование
Кодирование/программирование — важная часть собеседований по машинному обучению, и чаще всего они используются для фильтрации кандидатов перед их продвижением на собеседования, связанные с машинным обучением. Для участия в таких собеседованиях необходимы хорошие навыки программирования. Интервью по кодированию обычно длятся около 45–60 минут и состоят из двух вопросов. Интервьюер объясняет проблему и ожидает, что кандидат решит ее в оптимальные сроки и по пространственной сложности.
Ресурсы для подготовки:
Подготовка таких интервью требует хорошего понимания структур данных, пространственно-временных сложностей, способности понять проблему и хороших навыков тайм-менеджмента. Ниже приведены некоторые хорошие ресурсы
3. Машинное обучение
Собеседования по машинному обучению оценивают ваши знания, связанные с машинным обучением. В зависимости от требований к работе темы могут включать обучение с учителем, обучение без учителя, обучение с подкреплением, сверточные нейронные сети, рекуррентные нейронные сети, генеративно-состязательные сети, обработку естественного языка и т. д.
Ресурсы для подготовки:
Убедитесь, что вы ознакомились с требованиями к работе и определили конкретные темы машинного обучения, которые необходимы. Если ничего конкретного не упомянуто, то можно сосредоточиться на основах.
а. Углубленный курс по машинному обучению: если вы официально не проходили курс по машинному обучению во время учебы, я настоятельно рекомендую вам пройти его онлайн. Среди различных доступных в Интернете курсов я бы порекомендовал курс Эндрю Нг по машинному обучению, предлагаемый Стэнфордом и доступный на Coursera.
б. Статьи для повышения квалификации. Если вы уже прошли такой курс, прочтите несколько статей для повышения квалификации по машинному обучению, которые помогут вам глубже понять темы машинного обучения. Небольшой список (10) таких статей можно найти ниже.
в. Примеры вопросов для интервью.Понимание того, что обычно задают на собеседованиях по машинному обучению, помогает оценить вашу подготовку. Такие примеры вопросов можно найти ниже. Обязательно просмотрите их ПОСЛЕподготовки.
д. Шпаргалки: всегда хорошо иметь шпаргалки, которые можно просмотреть за ночь до собеседования. Ниже ссылка на шпаргалку по ML
4. Тематическое исследование:
Обычно это открытые вопросы, направленные на анализ способности кандидата вести содержательные обсуждения ML в отношении общего управления проектом и проектной проницательности. Интервьюер представляет открытую проблему, например "Как бы вы улучшили карты Google?". Такие открытые вопросы могут привести к очень хаотичным ответам, если к ним не подойти должным образом.
Ресурсы для подготовки:
Хороший шаблон ответа имеет большое значение для решения таких вопросов. Попробуйте организовать свой ответ, используя следующий шаблон
- Слушай вопрос
- Опишите продукт и его миссию
- Задавайте уточняющие вопросы
- Сформулируйте свои предположения
- Определите болевые точки
- Определить пути решения болевых точек
- Сравните решения через таблицу
- Обсудить KPI
- Подведем итог
Следующее является хорошим ресурсом для более глубокого понимания вопросов тематического исследования.
Некоторые примеры таких открытых вопросов можно найти ниже.
5. Дизайн системы:
Эти собеседования оценивают способность кандидата разработать комплексную масштабируемую систему для решения основной проблемы. Большинство инженеров настолько сосредоточены на ошибке, что забывают, а иногда даже не видят общей картины. Собеседование по проектированию системы требует знания различных компонентов, которые объединяются для создания масштабируемого решения проблемы. Эти компоненты включают внешний дизайн, балансировщик нагрузки, сегментирование базы данных, кэширование, прокси-серверы, SQL, API и т. д. Хорошее понимание этих тем помогает разработать эффективную и масштабируемую комплексную систему.
Ресурсы подготовки
- Компоненты и концепции:
2. Примеры Вопросы и решения
Краткое содержание:
Собеседования по машинному обучению в наши дни — это гораздо больше, чем просто вопросы по основным темам машинного обучения. Они также включают открытые вопросы, тематические исследования, кодирование, проектирование системы и т. д. Понимание различных категорий интервью по машинному обучению может помочь кандидату получить информацию и подготовиться соответствующим образом. В этой статье мы подробно рассмотрели пять наиболее распространенных категорий собеседований по машинному обучению и способы подготовки к ним.
Если эта статья была вам полезна или вы хотите узнать больше о машинном обучении и науке о данных, подпишитесь на Aqeel Anwar или свяжитесь со мной через LinkedIn или Twitter. Вы также можете подписаться на мою рассылку.
