Ole valmis näihin 13 koneoppimista koskevaan haastattelukysymykseen

Koneoppimisen haastattelukysymykset

Koneoppimisinsinöörin haastattelu tulee olemaan hyvin tekninen, mutta on tilaisuutesi osoittaa, mikä tekee sinusta parhaan ehdokkaan.

Valmistaudu näihin tekoälyn ja koneoppimisen haastattelukysymyksiin ja niihin vastaamiseen.

Haastattelijat voivat käyttää tätä luetteloa myös haastattelun rakentamiseen, joka paljastaa koneoppimisen ehdokkaiden kyvyn. Opit heidän tekniset taidonsa ja kykynsä ajatella kriittisesti.

Koneoppimishaastattelussa odotettavissa olevat kysymykset.

Flickr

Algoritmit

Ole valmis osoittamaan tietosi matalista oppimisalgoritmeista. Ellet hae tiukkaa Data Scientist -asemaa, haastattelija ei aio mennä liikaa algoritmikysymysten kanssa. Mutta sinun pitäisi pystyä puhumaan syötteistä ja siitä, mitä algoritmeja parhaiten käytetään mihin sovellukseen.

1. Milloin käytät KNN: ää (k lähintä naapuria)?

KNN käytetään yleensä luokitukseen. Se on yksi yksinkertaisimmista ja käytetyimmistä koneoppimisen algoritmeista.

Vastauksesi voi vaihdella kokemuksesi mukaan, mutta pidän KNN: ää useimmissa tapauksissa, kun luokat ja ominaisuudet on merkitty

2. Kuvaile, kuinka SVM (Support Vector Machine) toimii. Kuinka voit käyttää SVM: iä epälineaarisen datan kanssa?

SVM luo hypertason tai päätösrajan luokittelemaan syötetiedot sen mukaan, millä puolella rajaa uusi data on. Ne optimoidaan lisäämällä marginaalia raja- ja datapisteiden välillä mahdollisimman paljon.

Muista, että ytimet on usein pinottu SVM: ien kanssa. Ytimet muuttavat epälineaarista dataa lineaariseksi dataksi, jotta SVM voidaan optimoida.

Kehykset ja kielet

Haastattelija haluaa tietää, mitä kieliä ja kehyksiä olet käyttänyt. He käyttävät myös näitä kysymyksiä saadakseen käsityksen siitä, kuinka nopeasti otat uuden kehyksen käyttöön ja kuinka sopusoinnussa olet keinoälyn käytettävissä olevien kehysten kanssa.

3. Miksi pidät käytöstä ?

Kaikki ansioluettelossasi on reilua peliä. Erityisesti ohjelmointikielet, jotka luetat taidoissasi. Joten ole valmis puhumaan kaikista haitoista.

Jos totuudenmukainen vastaus on, että käytit vain kyseistä kieltä, koska sitä he käyttivät viimeisimmässä työpaikassasi, se on hieno. Ole vain valmis puhumaan kielen eduista ja haitoista koneoppimisen näkökulmasta.

4. Kerro minulle käyttökokemuksestasi ?

Jos tunnet yrityksen käyttämän kehyksen, tämän pitäisi olla sinulle helppoa. Varmasti, jos luetit ne ansioluettelossasi, sinun pitäisi pystyä puhumaan kaikista niistä.

Jos et ole käyttänyt kyseistä kehystä paljon, se ei välttämättä ole kaupan katkaisija. Kaikkien suolansa arvoisten ohjelmistoinsinöörien tulisi pystyä sopeutumaan uuteen kehykseen ilman valtavaa oppimiskäyrää. Työnkuvaus sisältää todennäköisesti muutaman tärkeimmistä alustoista, joita yritys käyttää. Tutki niitä ennen haastattelun alkua.

Joitakin näkökohtia, joihin on syytä keskittyä tutkittaessa uutta kehystä:

• Mitä tehtäviä se hoitaa parhaiten?
• Mitkä ovat vahvuudet / heikkoudet?
• Mitkä kielet ovat hyvin yhteensopivia kehyksen kanssa?

Sinun on pystyttävä puhumaan älykkäästi siitä ympäristöstä.

Jos kehys on avoimen lähdekoodin, kokeile sitä henkilökohtaisella tietokoneellasi. Voit myös käydä joitain edullisia verkkokursseja, jotka antavat sinulle väliaikaisen lisenssin.

Neuroverkkojen rakentaminen

5. Mitä tekisit, jos algoritmisi ei lähene toisiinsa?

Tämä on avoin kysymys, jonka pitäisi olla helppoa kaikille koneoppimisessa työskenteleville.

Oppimisnopeuden (alfa) laskeminen on hyvä ensimmäinen askel. Haastattelijana haluaisin nähdä ehdokkaan kuvaavan loogisempaa tapaa löytää alfa. Kokeile strategista alfa-aluetta ja piirrä kustannusfunktio toistojen lukumäärään.

6. Milloin käyttäisit Gradient Descent vs Normal Equation?

Saatat kysyä eri menetelmien eduista ja haitoista algoritmin optimoimiseksi.

Muista, että normaalia yhtälöä ei voida käyttää luokittelussa, joten tällä vertailulla on merkitystä vain regressiolle. Normaali yhtälö valitaan, kun ominaisuuksien määrä ei ole kovin suuri. Sillä on etu kaltevaan laskeutumiseen verrattuna, koska sinun ei tarvitse valita oppimisnopeutta tai toistaa.

Jos ominaisuuksia on paljon, normaali yhtälö on hyvin hidas, joten valitsisin kaltevuuslaskun.

Odota kysymyksiä hermoverkkojen rakentamisesta haastattelussa koneoppimista tai tekoälyn asentoa varten.

WikimediaCommons

Mallien arviointi (suorituskyky)

Yksi koneoppimisinsinöörin ensisijaisista tehtävistä on hermoverkon optimointi ja sen toiminnan ymmärtäminen.

7. Miksi yliasennus on huono ja miten voit korjata sen?

Ylikunto on silloin, kun algoritmi sopii hyvin harjoitustietoihin, mutta ennustaa tarkasti uusia tilanteita. Ilmeisesti tämä on huono, koska se ei ole hyödyllinen todellisissa tilanteissa.

Kuvaile muutamia tapoja, joilla yliasennusta voidaan parantaa. Laillistustermin lisääminen ja lambda-arvon lisääminen voi olla hyviä tuloksia. Ominaisuuksien määrän vähentäminen tai polynomien järjestyksen pienentäminen ovat vaihtoehtoja, mutta eivät ole oikeita valintoja kaikissa tilanteissa.

8. Mistä tiedät, onko mallisi hyvä?

Tämä on samanlainen kuin edellinen kysymys, jossa ehdokkaan on ymmärrettävä mallien arviointi.

Voit selittää, kuinka käytettävissä olevat harjoitustiedot on jaettu harjoitteludataan, validointitietoihin ja testitietoihin ja mihin niitä käytetään. Haluaisin kuulla ehdokkaan puhuvan polynomin ja asteen vaihtelusta ja validointitietojen virheen vertailusta.

Projektit

Tule haastatteluun valmiina keskustelemaan aiemmista projekteista. Kuten missä tahansa haastattelussa, kaikki ansioluettelossasi on reilua peliä.

Pidä työvalikoima töitä, kouluja tai henkilökohtaista käyttöä varten. Sinua saatetaan rajoittaa sen suhteen, mitä voit sanoa ei-julkistamissopimuksesta tai luokitellusta teoksesta, joten ole selvä siitä, mistä voit keskustella.

Tässä on joitain kysymyksiä, joita voit odottaa:

9. Mikä oli lempikoneesi koneoppimisprojekti, jossa työskentelit?

Tämän haastattelun vuoksi voit valita suosikkisi työn kannalta merkityksellisen projektin. Tämä antaa sinulle mahdollisuuden korostaa omaa kokemustasi.

Jos haluat mieluummin puhua siitä, kumpi oli todellinen suosikkisi, antaa vuokrausjohtajalle käsitys siitä, pidätkö uudesta tehtävästä, se on myös hyvä idea.

10. Kerro minulle ratkaisemastasi kovasta ongelmasta.

Valitse ongelma, joka voidaan helposti kuvata. Osa vastaamisesta tähän kysymykseen osoittaa, että voit kuvata monimutkaisia ​​koneoppimisongelmia ei-tekniselle yleisölle.

Kun kuvaat ratkaisua, älä ota luottoa, ellei se todellakaan ollut sinun ponnistelusi. Tiimisi panosten pelaaminen osoittaa, että olet hyvä joukkueen pelaaja. Korosta tarvittaessa asiakkaan, aikataulun ja budjetin vaikutukset. Osoita, kuinka panoksesi lisäävät arvoa viimeiseen riviin, ei vain välittömään ongelmaan.

Käyttäytymiskysymykset

Älä unohda, että haastattelu sisältää todennäköisesti käyttäytymiskysymyksiä. Ja monille insinööreille ja datatieteilijöille tämä on vaikeinta! Vietämme niin paljon aikaa teknisten kysymysten valmisteluun, jotka unohdamme, ja se arvioidaan myös sen mukaan, miten sovitamme joukkueeseen.

Tärkeämmät käyttäytymiskysymykset ovat alla, jotta voit valmistautua etukäteen. Kysymyksiin, joissa sinua pyydetään kuvaamaan tietty aika, käytä STAR-mallia vastausten hahmottamiseen. Lukea