Preparación para una entrevista de aprendizaje automático – Introducción
Una descripción general de alto nivel sobre qué esperar en una entrevista de aprendizaje automático.
En el último par de años, Machine Learning se ha convertido en el centro y el centro de los principales avances tecnológicos. Esto también ha resultado en la aceptación de la demanda de ingenieros con experiencia en ML. Así como todo el campo del aprendizaje profundo está evolucionando, también lo está el panorama de las entrevistas. Hace un par de años, saber cómo diseñar una red convolucional era suficiente para entrar por la puerta. Sin embargo, ahora hay una variedad de expectativas desde los algoritmos y la estructura de datos hasta la probabilidad y las estadísticas, y mucho más. El desafío no es que el curso o los libros de texto o los blogs no estén disponibles para cada tema, sino el hecho de que hay demasiados por ahí.
Mi intento aquí es dar una idea de los diferentes aspectos del aprendizaje automático / las entrevistas de aprendizaje profundo. . Con suerte, esto le dará un buen punto de partida para estructurar la preparación de su entrevista.
La clave de cualquier preparación para la entrevista es identificar las partes clave que deben leerse / revisarse y no sentirse abrumadas por la cantidad de información disponible. . Por lo tanto, haré un seguimiento de este artículo con temas / enlaces detallados para cada una de las subsecciones de la entrevista.
Estructura de la entrevista ML / DL.
Antes de profundizar en la preparación de la entrevista, es importante darse cuenta de que el rol de un ingeniero de ML puede tomar muchos sabores dependiendo de la compañía y los antecedentes de un entrevistado. En la figura a continuación, he tratado de capturar diferentes aspectos en una entrevista de ML / DL.
Como se muestra en la imagen de arriba, en general hay cuatro componentes en una entrevista. Permítanme discutir cada una de estas partes con un poco más de detalle a continuación.
Aprendizaje automático
Este es el núcleo de cualquier profundo Posición de aprendizaje / aprendizaje automático. En su mayoría cubre las técnicas estándar de aprendizaje automático y un montón de cosas matemáticas, principalmente probabilidad y estadística, álgebra lineal. Si seleccionó Deep Learning por su cuenta (felicitaciones a usted), entonces tendrá que repasar este aspecto para sus entrevistas. Además, ayudará a hacer su vida más fácil en la posición de aprendizaje profundo.
Existen muchas técnicas de aprendizaje automático y matemático (ha visto la cantidad de páginas en el libro de Kevin Murphy o Christopher Bishop). Mi recomendación es seguir los dos siguientes para un rápido repaso y mantener el libro de Bishop o Murphy como referencia:
Todas las estadísticas de Larry Wasserman : Este es un libro asombroso escrito sobre estadísticas. El Prof. Wasserman es maestro de estadísticas de enseñanza, lo ha mantenido en forma precisa y concisa. Cada vez que leo el libro siento que fue escrito para ingenieros y no para matemáticos. [ link ]
Machine Learning by Tom Mitchell : Cubre la mayoría de los temas de LD que creo que uno necesita para los preparativos de la entrevista. Es conciso al punto y tiene buenos capítulos sobre árboles de decisión y Aprendizaje Bayesiano. [ enlace ]
Aprendizaje profundo
La parte de aprendizaje profundo de la pila de entrevistas se centra principalmente en descubrir si te has ensuciado las manos. Las preguntas tienden a ser alrededor de los desafíos de ingeniería que un ingeniero de aprendizaje profundo enfrenta todos los días. El entrevistador está tratando de evaluar si realmente ha implementado y entrenado un modelo. Por ejemplo, es común encontrar preguntas como:
¿Necesita escalar los pesos para el abandono?
¿Cuál es el valor típico de abandono que usa?
¿Qué sucede si escala las entradas a la capa de softmax?
¿Puede explicar el algoritmo de propagación hacia atrás?
La mayor parte del conocimiento de la entrevista para el aprendizaje profundo se pueden recopilar de blogs, conferencias de YouTube y cursos MOOC. El desafío, sin embargo, es que hay una sobrecarga de información. Mi plan es crear una lista de temas junto con los enlaces que pueden ayudarlo a repasar algunos de los desafíos clave. Lo haré en los artículos de seguimiento sobre este tema.
Si ha estado implementando modelos de forma activa, estoy seguro de que puede omitir esto o priorizar esto para el último.
Software
Casi todas las posiciones de aprendizaje profundo requerirán que usted sea competente en estructuras de datos y algoritmos. Dependiendo de su antigüedad, también puede haber preguntas sobre el diseño del sistema. Como todo lo demás, estos requieren las herramientas de preparación adecuadas y la cantidad correcta de terreno que debe cubrirse.
Si solicita una posición de investigación, la codificación del software puede ser más relajada. Sin embargo, no debes apostar por este descuento. Por lo general, deberá pasar una pantalla de teléfono que requiera que codifique un problema determinado. No creo que pueda hacer un mejor trabajo que lo que ya se ha escrito y debatido en las entrevistas de codificación. Lo mejor que puedo ofrecer es una lista de libros y enlaces que pueden ayudarlo a prepararse en los artículos de seguimiento. Hasta entonces, asegúrese de revisar www.leetcode.com o www.hackerrank.com . En general, las empresas tienden a ser flexibles en cuanto al idioma de elección cuando se trata de entrevistas de ML. Puedes apegarte a Python si esa es tu elección de arma. Dicho esto, si está buscando un rol de ML en la expectativa de espacio incrustado será C / C ++.
Experiencia de dominio
El dominio parte de la experiencia del proceso de entrevista tiene como objetivo probar su pasión y conocimiento de un campo. Si solicita un rol de aprendizaje automático en la industria financiera, habrá preguntas relacionadas con el análisis de series de tiempo y / o aspectos financieros. Otro ejemplo, si solicita una función de visión de computadora, espere preguntas sobre redes convolucionales y procesamiento de imágenes. Del mismo modo, si realiza una entrevista para una empresa de robótica o una pista de planificación en una compañía de automóviles autónomos, puede esperar preguntas sobre la planificación del movimiento y la trayectoria. Además, si aparece como ingeniero de aceleradores de hardware de Deep Learning, es justo que le haga preguntas relacionadas con la cuantificación, la compresión y la arquitectura del hardware.
Ahora, si realiza la solicitud cerca del puesto de nivel de entrada o si el gerente de contrataciones cree que Puede adaptar sus habilidades al trabajo. Puede que no haya preguntas que midan su nivel de experiencia en un campo específico. En lugar de preguntas técnicas, puede haber preguntas que evalúen su interés, pasión y motivación al elegir esta área de enfoque sobre otras. A veces, el entrevistador también lo investigará sobre su arquitectura favorita o documentos recientes. Así que asegúrese de repasar algunos artículos recientes.
Conclusión
La aparición de una entrevista ML / DL puede ser desalentadora porque el campo se encuentra en un flujo de este tipo. Esto se ve agravado por el hecho de que el campo cubre un área muy amplia: probabilidad y estadísticas, aprendizaje automático, desarrollo de software y, por supuesto, aprendizaje profundo. Es importante saber qué rol vas después. No sea tímido para preguntar a su reclutador si hay algo específico en lo que debería concentrarse para la preparación de la entrevista. Recuerde: si no pregunta, la respuesta siempre es no.
Preparación para una entrevista de aprendizaje automático – Introducción se publicó originalmente en Hacia la ciencia de datos en Medio, donde las personas continúan la conversación Resaltando y respondiendo a esta historia.