Vilka intervjufrågor om maskininlärning kan jag förvänta mig?

En intervjuprocess för maskininlärning har vanligtvis fler omgångar än en allmän mjukvaruintervju, och varje omgång testar ett annat lager. När du känner till lagret vet du vilken sorts svar intervjuaren vill ha.

• Grunder. Teorifrågor om inlärning, generalisering och optimering. Intervjuaren vill höra att du förstår varför en teknik fungerar, inte en inövad definition.
• Utvärdering och experiment. Val av mått, valideringsstrategi, resultat offline kontra online och hur du skulle utforma ett experiment för att bevisa att en modell gjorde nytta.
• Tillämpad modellering. Feature engineering, dataläckage, klassobalans och de besvärliga delarna av en verklig datauppsättning. Frågorna utgår ofta från något av dina egna projekt.
• ML-systemdesign. Hur modellen får sina data, hur den tränas och tränas om, hur prediktioner serveras och hur du skulle upptäcka att den försämras i produktion.
• Kodning. En övning i pandas eller vanlig Python, ibland implementering från grunden av en mindre algoritm, exempelvis k-means eller logistisk regression.

Beteendefrågor förekommer också och följer samma regler som för alla andra roller; ämnet frågebanker behandlar dem separat.

Formuleringarna varierar mellan företag, men de underliggande frågorna återkommer. Öva på dem tills du kan förklara dem med enkelt språk.

• Bias och varians: Hur skulle du avgöra om en modell är överanpassad eller underanpassad, och vad skulle du ändra först? Vad gör regularisering med en modell, och när skulle du föredra L1 framför L2?
• Validering: Varför kan en slumpmässig uppdelning i tränings- och testdata ge ett missvisande resultat för tidsseriedata? När behöver du stratifierad eller grupperad korsvalidering?
• Mått: När är träffsäkerhet fel mått? Förklara precision, recall och ROC-kurvan för en produktchef. Vilket mått skulle du optimera för bedrägeriidentifiering, och vad skulle du övervaka vid sidan av det?
• Dataproblem: Vad är målläckage och hur har du upptäckt det? Hur hanterar du kraftig klassobalans utan att hitta på data? Hur behandlar du saknade värden så att modellen inte av misstag lär sig själva frånvaron?
• Modeller: När slår ett gradientförstärkt träd ett neuralt nätverk på tabelldata? Vad beräknar uppmärksamhetsmekanismen i en transformer egentligen? Varför hjälper embeddings med kategoriska features med hög kardinalitet?
• Optimering: Vad händer när inlärningshastigheten är för hög eller för låg? Varför gör batchnormalisering träningen enklare?
• Systemdesign: Utforma ett rekommendationssystem för en marknadsplats. Hur skulle du upptäcka dataförskjutning efter driftsättning? Hur skulle du träna om en modell utan att servera inaktuella prediktioner?
• Experiment: Offlinemåttet förbättrades men A/B-testet gav oförändrat resultat; vad kontrollerar du?

Om du kan besvara var och en av dessa frågor med ett konkret exempel från ditt eget arbete har du täckt det mesta som en grundläggande intervjuomgång kan ta upp.

Det är normalt att kunna ämnet men ändå snubbla när du ombeds förklara det under ett videosamtal. Här får du en struktur för muntliga svar, och förhandsversionen är kort: definition, beslut, exempel, begränsning.

• Definition i en mening och med enkla ord, före eventuella formler.
• Beslut: när du skulle använda det och vad du annars skulle välja, eftersom intervjuare prövar omdöme, inte ordförråd.
• Exempel från ett verkligt projekt: datauppsättningen, vad som gick fel, vad du ändrade och vad som förbättrades.
• Begränsning: var tekniken slutar fungera, vilket visar att du har använt den tillräckligt mycket för att ha sett den misslyckas.

En data scientist som intervjuas för en ML-roll på ett marknadsplatsföretag får frågan varför hennes rankningsmodell såg fantastisk ut offline men inte gav någon effekt i A/B-testet. Hon svarar i fyra steg: vad skillnader mellan offline- och onlineresultat är, varför positionsbias i loggade data orsakade hennes problem, den kontrafaktiska utvärdering hon lade till och förbehållet att den bara gäller när loggningen är tillräckligt randomiserad. Det svaret är värt mer än en perfekt härledning. Att öva på muntliga svar är precis vad verktyget för övningsintervjuer är till för; det ställer följdfrågor på samma sätt som en riktig intervjuare.

I samtalsomgångarna, ja, inom vissa gränser. SubcueAIs inbyggda skrivbordsapp för macOS och Windows fångar upp samtalets systemljud och din mikrofon, hör intervjuarens fråga på Zoom, Google Meet eller Microsoft Teams och visar ett kort strukturföreslag i ett flytande överlägg som bara syns på din skärm. För samtal som körs i en flik i webbläsaren Chrome eller Edge fångar webbläsartilläggets Side Panel endast mötesflikens ljud, så den hör intervjuaren men transkriberar aldrig dig. Ingen av lösningarna ansluter till samtalet som en bot eller för in något på mötessidan. Om du har laddat upp ditt cv kan förslagen hänvisa till dina egna projekt, vilket är där ML-svaren får sina poäng.

Begränsningarna är desamma som för alla tekniska intervjuer. Ett övervakat kodprov, en hemuppgift eller en session på en företagsadministrerad enhet ligger utanför det som SubcueAI är avsett för, och en härledning på en digital skrivtavla på en delad skärm måste vara din egen, eftersom en delning av hela skärmen skulle visa överlägget för alla. Aaron Cao, grundare av SubcueAI, byggde överlägget för att ge stöd med struktur och terminologi snarare än att diktera svar, eftersom en ML-intervjuare ställer följdfrågor om varje påstående och ett lånat svar faller samman vid den andra frågan. Konfigurationen för båda lösningarna finns på handledningssidan; de praktiska skillnaderna mellan skrivbordsappen och tillägget beskrivs på jämförelsesidan.