Seien Sie bereit für diese 13 Interviewfragen zum maschinellen Lernen

Fragen zum Vorstellungsgespräch für maschinelles Lernen

Das Interview für einen Ingenieur für maschinelles Lernen wird sehr technisch sein, aber es ist Ihre Chance zu zeigen, was Sie zum besten Kandidaten macht.

Bereiten Sie sich auf diese Interviewfragen zu künstlicher Intelligenz und maschinellem Lernen vor und wie Sie sie beantworten können.

Interviewer können diese Liste auch verwenden, um ein Interview zu erstellen, das die Fähigkeit von Kandidaten für maschinelles Lernen aufzeigt. Sie lernen ihre technischen Fähigkeiten und ihre Fähigkeit, kritisch zu denken.

Fragen, die in einem Interview mit maschinellem Lernen zu erwarten sind.

Flickr

Algorithmen

Seien Sie bereit, Ihr Wissen über flache Lernalgorithmen zu demonstrieren. Wenn Sie sich nicht für eine strikte Position als Data Scientist bewerben, wird der Interviewer bei Algorithmusfragen nicht zu sehr auf das Wesentliche eingehen. Sie sollten jedoch in der Lage sein, über die Eingaben zu sprechen und darüber, welche Algorithmen für welche Anwendung am besten verwendet werden.

1. Wann würden Sie KNN (k nächste Nachbarn) verwenden?

KNN wird normalerweise zur Klassifizierung verwendet. Es ist einer der einfachsten und am häufigsten verwendeten Algorithmen beim maschinellen Lernen.

Ihre Antwort kann je nach Erfahrung variieren, aber ich würde KNN in den meisten Fällen in Betracht ziehen, wenn die Klassen und Funktionen gekennzeichnet sind

2. Beschreiben Sie, wie SVM (Support Vector Machine) funktioniert. Wie können Sie SVMs mit nichtlinearen Daten verwenden?

SVM erstellt eine Hyperebene oder Entscheidungsgrenze, um Eingabedaten basierend auf der Seite der Grenze zu klassifizieren, auf der die neuen Daten liegen. Sie werden optimiert, indem der Abstand zwischen der Grenze und den Datenpunkten so weit wie möglich vergrößert wird.

Denken Sie daran, dass Kernel häufig mit SVMs gestapelt werden. Kernel wandeln nichtlineare Daten in lineare Daten um, sodass eine SVM optimiert werden kann.

Frameworks und Sprachen

Der Interviewer möchte wissen, welche Sprachen und Frameworks Sie verwendet haben. Sie werden diese Fragen auch verwenden, um eine Vorstellung davon zu bekommen, wie schnell Sie ein neues Framework finden und wie gut Sie mit den Frameworks übereinstimmen, die für künstliche Intelligenz verfügbar sind.

3. Warum benutzt du gerne? ?

Alles in Ihrem Lebenslauf ist Freiwild. Besonders die Programmiersprachen, die Sie in Ihren Fähigkeiten auflisten. Seien Sie also bereit, über alle Vor- und Nachteile zu sprechen.

Wenn die wahrheitsgemäße Antwort lautet, dass Sie diese Sprache nur verwendet haben, weil sie bei Ihrem letzten Job verwendet wurde, ist das in Ordnung. Seien Sie einfach bereit, über die Vor- und Nachteile einer Sprache aus Sicht des maschinellen Lernens zu sprechen.

4. Erzählen Sie mir von Ihren Erfahrungen mit ?

Wenn Sie mit dem vom Unternehmen verwendeten Framework vertraut sind, sollte dies für Sie einfach sein. Wenn Sie sie in Ihrem Lebenslauf aufgeführt haben, sollten Sie in der Lage sein, alles über sie zu sprechen.

Wenn Sie dieses spezielle Framework nicht häufig verwendet haben, ist dies nicht unbedingt ein Deal-Breaker. Jeder Softwareentwickler, der sein Geld wert ist, sollte in der Lage sein, sich ohne große Lernkurve an ein neues Framework anzupassen. In der Stellenbeschreibung werden wahrscheinlich einige der wichtigsten Plattformen aufgeführt, die das Unternehmen verwendet. Machen Sie Ihre Recherchen zu diesen, bevor das Interview beginnt.

Einige Aspekte, auf die Sie sich bei der Erforschung eines neuen Rahmens konzentrieren sollten:

• Welche Aufgaben erledigt es am besten?
• Was sind die Stärken / Schwächen?
• Welche Sprachen lassen sich gut mit dem Framework verbinden?

Sie müssen in der Lage sein, intelligent über diese Umgebung zu sprechen.

Wenn das Framework Open Source ist, probieren Sie es auf Ihrem PC aus. Es gibt auch einige erschwingliche Online-Kurse, an denen Sie eine temporäre Lizenz erhalten.

Aufbau neuronaler Netze

5. Was würden Sie tun, wenn Ihr Algorithmus nicht konvergiert?

Dies ist eine offene Frage, die für jeden, der im maschinellen Lernen arbeitet, einfach sein sollte.

Das Verringern der Lernrate (Alpha) ist ein guter erster Schritt. Als Interviewer würde ich gerne sehen, dass der Kandidat einen logischeren Ansatz zum Finden von Alpha beschreibt. Probieren Sie eine strategische Reihe von Alphas aus und zeichnen Sie die Kostenfunktion über die Anzahl der Iterationen auf.

6. Wann würden Sie Gradient Descent vs Normal Equation verwenden?

Möglicherweise haben Sie nach den Vor- und Nachteilen verschiedener Methoden zur Optimierung eines Algorithmus gefragt.

Denken Sie daran, dass die normale Gleichung nicht für die Klassifizierung verwendet werden kann, sodass dieser Vergleich nur für die Regression von Bedeutung ist. Die normale Gleichung wird gewählt, wenn die Anzahl der Merkmale nicht sehr groß ist. Dies hat gegenüber dem Gradientenabstieg den Vorteil, dass Sie keine Lernrate auswählen oder iterieren müssen.

Wenn es viele Merkmale gibt, ist die normale Gleichung sehr langsam, so dass ich den Gradientenabstieg wählen würde.

Erwarten Sie in einem Interview Fragen zum Aufbau neuronaler Netze für eine Position zum maschinellen Lernen oder zur künstlichen Intelligenz.

WikimediaCommons

Modelle bewerten (Leistung)

Eine der Hauptaufgaben eines Ingenieurs für maschinelles Lernen besteht darin, ein neuronales Netzwerk zu optimieren und zu verstehen, wie gut es funktioniert.

7. Warum ist Überanpassung schlecht und wie können Sie sie beheben?

Überanpassung ist, wenn ein Algorithmus sehr gut zu Trainingsdaten passt, aber neue Situationen genau vorhersagt. Offensichtlich ist dies schlecht, weil es für reale Situationen nicht nützlich ist.

Beschreiben Sie einige Möglichkeiten, wie die Überanpassung verbessert werden kann. Das Hinzufügen eines Regularisierungsterms und das Erhöhen des Lambda kann zu guten Ergebnissen führen. Das Verringern der Anzahl von Merkmalen oder das Verringern der Reihenfolge von Polynomen sind Optionen, aber nicht in jeder Situation die richtige Wahl.

8. Woher wissen Sie, ob Ihr Modell gut ist?

Dies ähnelt der obigen Frage, bei der der Kandidat verstehen muss, wie Modelle bewertet werden.

Sie können erklären, wie die verfügbaren Trainingsdaten in Trainingsdaten, Validierungsdaten und Testdaten aufgeteilt werden und wofür sie jeweils verwendet werden. Ich möchte einen Kandidaten darüber sprechen hören, wie er den Polynomgrad und das Lambda variiert und den Fehler in den Validierungsdaten vergleicht.

Projekte

Kommen Sie zum Interview und besprechen Sie frühere Projekte. Wie bei jedem Interview ist alles in Ihrem Lebenslauf ein faires Spiel.

Halten Sie ein Portfolio von Projekten aus der Arbeit, der Schule oder Ihrem persönlichen Gebrauch bereit. Möglicherweise sind Sie in den Aussagen einer Geheimhaltungsvereinbarung oder einer geheimen Arbeit eingeschränkt. Machen Sie sich also klar, was Sie besprechen können.

Hier sind einige Fragen, die Sie erwarten können:

9. Was war Ihr Lieblingsprojekt für maschinelles Lernen, an dem Sie gearbeitet haben?

Für dieses Interview können Sie das für den Job relevanteste Projekt als Ihren Favoriten auswählen. Dies gibt Ihnen die Möglichkeit, Ihre relevanten Erfahrungen hervorzuheben.

Wenn Sie lieber darüber sprechen möchten, welches Ihr eigentlicher Favorit war, um dem Personalchef eine Vorstellung davon zu geben, ob Ihnen die neue Position gefällt, ist dies auch eine gute Idee.

10. Erzählen Sie mir von einem schwierigen Problem, das Sie gelöst haben.

Wählen Sie ein Problem, das leicht beschrieben werden kann. Ein Teil der Beantwortung dieser Frage besteht darin, zu zeigen, dass Sie komplexe Probleme des maschinellen Lernens einem nicht technischen Publikum beschreiben können.

Wenn Sie Ihre Lösung beschreiben, nehmen Sie nicht die Gutschrift, es sei denn, es war wirklich Ihre ganze Anstrengung. Wenn Sie die Beiträge Ihres Teams hochspielen, werden Sie ein guter Teamplayer. Weisen Sie gegebenenfalls auf die Auswirkungen des Kunden, des Zeitplans und des Budgets hin, die dieses Problem hat. Zeigen Sie, wie Sie mit Ihren Beiträgen einen Mehrwert erzielen, nicht nur das unmittelbare Problem.

Verhaltensfragen

Vergessen Sie nicht, dass das Interview höchstwahrscheinlich Verhaltensfragen enthalten wird. Und für viele Ingenieure und Datenwissenschaftler ist dies der schwierigste Teil! Wir verbringen so viel Zeit damit, uns auf die technischen Fragen vorzubereiten, die wir vergessen haben. Das wird auch daran gemessen, wie wir in das Team passen.

Die wichtigsten Verhaltensfragen sind unten aufgeführt, damit Sie sich rechtzeitig vorbereiten können. Verwenden Sie für die Fragen, bei denen Sie eine bestimmte Zeit beschreiben müssen, das STAR-Modell, um Ihre Antworten zu skizzieren. Lesen