Estigueu preparats per a aquestes 13 preguntes d’entrevistes sobre aprenentatge automàtic

Preguntes d’entrevistes d’aprenentatge automàtic

L’entrevista per a un enginyer d’aprenentatge automàtic serà molt tècnica, però és la vostra oportunitat de mostrar el que us converteix en el millor candidat.

Prepara’t amb aquestes preguntes d’entrevistes sobre intel·ligència artificial i aprenentatge automàtic i com respondre-les.

Els entrevistadors també poden utilitzar aquesta llista per crear una entrevista que reveli la capacitat dels candidats a l’aprenentatge automàtic. Aprendràs les seves habilitats tècniques i la seva capacitat per pensar críticament.

Preguntes que cal esperar en una entrevista d’aprenentatge automàtic.

Flickr

Algorismes

Estigueu preparats per mostrar el vostre coneixement d’algoritmes d’aprenentatge superficial. Tret que sol·liciteu una posició estricta de Data Scientist, l’entrevistador no entrarà en excés amb preguntes d’algoritme. Però hauríeu de poder parlar sobre les entrades i quins algorismes s’utilitzen millor per a quina aplicació.

1. Quan faríeu servir KNN (k veïns més propers)?

Normalment s’utilitza KNN per a la classificació. És un dels algorismes més senzills i utilitzats en l’aprenentatge automàtic.

La vostra resposta pot variar en funció de la vostra experiència, però consideraria KNN en la majoria dels casos quan s’etiqueten les classes i les funcions

2. Descriviu com funciona SVM (Support Vector Machine). Com es poden utilitzar SVM amb dades no lineals?

SVM crea un hiperplà o límit de decisió per classificar les dades d'entrada en funció de quin costat del límit es troben les dades noves. S’optimitzen augmentant al màxim el marge entre el límit i els punts de dades.

Recordeu que els nuclis sovint s’apilen amb SVM. Els nuclis transformen les dades no lineals en dades lineals de manera que es pot optimitzar un SVM.

Marcs i idiomes

L’entrevistador voldrà saber quins idiomes i quins marcs heu utilitzat. També faran servir aquestes preguntes per fer-se una idea de la rapidesa amb què s’obtindrà un nou marc i de quina sintonització teniu amb quins marcs estan disponibles per a la intel·ligència artificial.

3. Per què us agrada utilitzar-lo? ?

Qualsevol cosa del vostre currículum és un joc net. Especialment els llenguatges de programació que enumereu en les vostres habilitats. Per tant, estigueu preparats per parlar de tots els aspectes que surten.

Si la resposta veritable és que només heu utilitzat aquest idioma perquè això és el que van fer servir a la vostra última feina, no està malament. Estigueu preparats per parlar dels avantatges i desavantatges d’un idioma des d’una perspectiva d’aprenentatge automàtic.

4. Explica’m la teva experiència amb l’ús ?

Si esteu familiaritzat amb el marc que utilitza l'empresa, això us hauria de ser fàcil. Certament, si els heu inclòs al vostre currículum, hauríeu de poder parlar-ne tot.

Si no heu utilitzat molt aquest marc específic, això no és necessàriament un trencament d’acords. Qualsevol enginyer de programari que valgui la pena hauria de ser capaç d'adaptar-se a un nou marc sense una enorme corba d'aprenentatge. Probablement, a la descripció del lloc s’enumeren algunes de les principals plataformes que utilitza l’empresa. Feu la vostra investigació sobre aquells abans que comenci l'entrevista.

Alguns aspectes a centrar-se en investigar un nou marc:

• Quines tasques gestiona millor?
• Quins són els punts forts / febles?
• Quins idiomes s’interfacen bé amb el framework?

Heu de poder parlar de manera intel·ligent sobre aquest entorn.

Si el framework és de codi obert, proveu-ho al vostre ordinador personal. També hi ha algunes classes en línia assequibles que podeu fer i us donaran una llicència temporal.

Construint xarxes neuronals

5. Què faríeu si el vostre algorisme no convergeix?

Aquesta és una pregunta oberta que hauria de ser fàcil per a qualsevol persona que treballi en l’aprenentatge automàtic.

Disminuir la taxa d’aprenentatge (alfa) és un bon primer pas. Com a entrevistador, m’agradaria que el candidat descrivís un enfocament més lògic per trobar l’alfa. Proveu un rang estratègic d’alfa i traqueu la funció de costos en funció del nombre d’iteracions.

6. Quan faríeu servir Gradient Descent vs Equation Normal?

És possible que us preguntin sobre els pros i els contres de diferents mètodes per optimitzar un algorisme.

Recordeu que l'equació normal no es pot utilitzar amb la classificació, de manera que aquesta comparació només importa per a la regressió. L’equació normal s’escull quan el nombre de característiques no és molt gran. Té un avantatge respecte al descens de gradient, ja que no cal triar una taxa d’aprenentatge ni repetir-la.

Si hi ha moltes característiques, l'equació normal és molt lenta, de manera que escolliria el descens del gradient.

Espereu preguntes sobre la construcció de xarxes neuronals en una entrevista per a una posició d’aprenentatge automàtic o intel·ligència artificial.

WikimediaCommons

Avaluació de models (rendiment)

Un dels treballs principals d’un enginyer d’aprenentatge automàtic és optimitzar una xarxa neuronal i entendre el seu rendiment.

7. Per què és excessiu l’adaptació i com es pot solucionar?

L’adequació excessiva és quan un algorisme s’adapta molt bé a les dades d’entrenament, però prediu amb precisió noves situacions. Viouslybviament, això és dolent perquè no és útil per a situacions del món real.

Descriviu algunes maneres de millorar l’adequació. Afegir un terme de regularització i augmentar lambda pot tenir bons resultats. Disminuir el nombre de funcions o reduir l'ordre dels polinomis són opcions, però no són les opcions adequades en cada situació.

8. Com se sap si el seu model és bo?

Això és similar a la pregunta anterior, on el candidat ha d’entendre com avaluar els models.

Podeu explicar com es divideixen les dades de formació disponibles en dades de formació, dades de validació i dades de proves i per a què s’utilitzen cadascuna. Voldria escoltar a un candidat parlar de variar el grau de polinomi i lambda i comparar l'error en les dades de validació.

Projectes

Vine a l’entrevista a punt per comentar projectes anteriors. Com passa amb qualsevol entrevista, qualsevol cosa del vostre currículum és un joc net.

Teniu a punt una cartera de projectes del treball, de l’escola o del vostre ús personal. És possible que se us restringeixi el que pugueu dir d'un acord de no divulgació o d'un treball classificat, així que tingueu clar què podeu discutir.

Aquí teniu algunes preguntes que podeu esperar:

9. Quin va ser el vostre projecte d'aprenentatge automàtic preferit en què vau treballar?

Per aquesta entrevista, podeu escollir el projecte més rellevant per al lloc de treball com el vostre preferit. Això us donarà l'oportunitat de ressaltar la vostra experiència rellevant.

Si preferiu parlar de quin era el vostre favorit per donar-li al gerent de contractació una idea de si us agradarà la nova posició, també és una bona idea.

10. Parla’m d’un problema difícil que has resolt.

Tria un problema que es pugui descriure fàcilment. Una part de respondre bé a aquesta pregunta demostra que podeu descriure problemes complexos d’aprenentatge automàtic a un públic no tècnic.

Quan descriviu la vostra solució, no tingueu el crèdit a menys que realment hagi estat tot el vostre esforç. Reproducció de les contribucions del vostre equip demostrarà que sou un bon jugador d’equip. Si escau, assenyaleu els impactes del client, el calendari i el pressupost que té aquest problema. Mostreu com les vostres contribucions afegeixen valor a la línia de fons, no només el problema immediat.

Preguntes de comportament

No oblideu que és probable que l’entrevista inclogui preguntes de comportament. I per a molts enginyers i científics de dades, això és el més difícil. Dediquem tant de temps a preparar-nos per a les qüestions tècniques que oblidem que també seran avaluats per la forma d’encaixar a l’equip.

A continuació, es mostren les preguntes de comportament més importants perquè pugueu preparar-vos amb temps. Per a les preguntes que us demanen que descriviu una hora concreta, utilitzeu el model STAR per esbossar les vostres respostes. Llegiu