目次:
機械学習の面接の質問
機械学習エンジニアへの面接は非常に技術的なものになるでしょうが、それはあなたが最良の候補者になる理由を示すチャンスです。
これらの人工知能と機械学習の面接の質問とそれらに答える方法を準備してください。
面接官は、このリストを使用して、機械学習の候補者の能力を明らかにする面接を作成することもできます。あなたは彼らの技術的スキルと批判的に考える能力を学びます。
機械学習のインタビューで予想される質問。
Flickr
アルゴリズム
浅い学習アルゴリズムの知識を披露する準備をしてください。厳密なデータサイエンティストのポジションに応募しない限り、インタビュアーはアルゴリズムの質問にあまり入り込むことはありません。ただし、入力と、どのアルゴリズムがどのアプリケーションに最適に使用されるかについて話すことができるはずです。
1.いつKNN（k最近傍）を使用しますか？
KNNは通常分類に使用されます。これは、機械学習で最も単純で最も使用されているアルゴリズムの1つです。
あなたの答えはあなたの経験によって異なるかもしれませんが、クラスと機能にラベルが付けられている場合、ほとんどの場合KNNを検討します
2. SVM（サポートベクターマシン）がどのように機能するかを説明します。非線形データでSVMをどのように使用できますか？
SVMは、超平面または決定境界を作成して、新しいデータが境界のどちら側にあるかに基づいて入力データを分類します。それらは、境界とデータポイント間のマージンを可能な限り増やすことによって最適化されます。
多くの場合、カーネルはSVMとスタックされていることに注意してください。カーネルは、SVMを最適化できるように、非線形データを線形データに変換します。
フレームワークと言語
インタビュアーは、あなたが使用した言語とフレームワークを知りたいと思うでしょう。また、これらの質問を使用して、新しいフレームワークをどれだけ迅速に入手できるか、人工知能に使用できるフレームワークとどの程度調和しているかを把握します。
3.なぜあなたは使うのが好きですか
あなたの履歴書にあるものはすべて公正なゲームです。特にあなたがあなたのスキルでリストするプログラミング言語。だから、すべてのインとアウトについて話す準備をしてください。
正直な答えが、彼らがあなたの最後の仕事で使用したものであるためにその言語のみを使用したということである場合、それは問題ありません。機械学習の観点から言語の長所と短所について話す準備をしてください。
4.使用経験について教えてください
会社が使用しているフレームワークに精通している場合、これは簡単なはずです。確かに、あなたがあなたの履歴書にそれらをリストしたならば、あなたはそれらについてすべて話すことができるはずです。
その特定のフレームワークをあまり使用していない場合、それは必ずしも取引を妨げるものではありません。彼/彼女の塩に値するソフトウェアエンジニアは、大きな学習曲線なしで新しいフレームワークに適応できるはずです。職務記述書には、会社が使用している主なプラットフォームのいくつかがリストされている可能性があります。面接が始まる前にそれらについてあなたの研究をしてください。
新しいフレームワークを研究するときに焦点を当てるべきいくつかの側面：
- どのタスクを最もよく処理しますか？
- 長所/短所は何ですか？
- どの言語がフレームワークとうまく連動しますか？
あなたはその環境について賢く話すことができる必要があります。
フレームワークがオープンソースの場合は、パーソナルコンピューターで試してみてください。一時的なライセンスを取得できる手頃なオンラインクラスもいくつかあります。
ニューラルネットワークの構築
5.アルゴリズムが収束しない場合はどうしますか？
これは自由形式の質問であり、機械学習で働く人なら誰でも簡単に理解できるはずです。
学習率（アルファ）を下げることは良い最初のステップです。面接官として、候補者がアルファを見つけるためのより論理的なアプローチを説明してほしいと思います。戦略的な範囲のアルファを試して、反復回数にわたってコスト関数をプロットします。
6.最急降下法と正規方程式をいつ使用しますか？
アルゴリズムを最適化するためのさまざまな方法の長所と短所について質問されるかもしれません。
通常の方程式は分類には使用できないため、この比較は回帰にのみ関係することに注意してください。特徴の数がそれほど多くない場合は、正規方程式が選択されます。学習率を選択したり反復したりする必要がないという点で、最急降下法よりも優れています。
特徴がたくさんある場合、通常の方程式は非常に遅いので、最急降下法を選択します。
機械学習または人工知能の位置についてのインタビューで、ニューラルネットワークの構築に関する質問を期待してください。
ウィキメディアコモンズ
モデルの評価（パフォーマンス）
機械学習エンジニアの主な仕事の1つは、ニューラルネットワークを最適化し、そのパフォーマンスを理解することです。
7.なぜ過剰適合が悪いのですか、そしてどのようにそれを修正できますか？
過剰適合とは、アルゴリズムがトレーニングデータに非常によく適合しているが、新しい状況を正確に予測する場合です。明らかに、これは実際の状況では役に立たないため、悪いことです。
過剰適合を改善できるいくつかの方法を説明してください。正則化項を追加してラムダを増やすと、良い結果が得られます。特徴の数を減らすか、多項式の順序を減らすことはオプションですが、すべての状況で正しい選択であるとは限りません。
8.モデルが優れているかどうかをどうやって知るのですか？
これは、候補者がモデルの評価方法を理解する必要がある上記の質問に似ています。
利用可能なトレーニングデータがトレーニングデータ、検証データ、テストデータにどのように分割され、それぞれが何に使用されるかを説明できます。候補者が多項式の次数とラムダを変化させ、検証データの誤差を比較することについて話を聞きたいと思います。
プロジェクト
以前のプロジェクトについて話し合う準備ができているインタビューに来てください。他の面接と同様に、履歴書の内容はすべて公正なゲームです。
仕事、学校、または個人的な使用からのプロジェクトのポートフォリオを用意します。秘密保持契約または機密扱いの作業から言えることは制限されている可能性があるため、話し合うことができる内容を明確にしてください。
ここにあなたが期待できるいくつかの質問があります：
9.あなたが取り組んだお気に入りの機械学習プロジェクトは何でしたか？
このインタビューのために、あなたはあなたのお気に入りとして仕事に最も関連性のあるプロジェクトを選ぶかもしれません。これにより、関連する経験を強調する機会が得られます。
どちらがあなたの実際のお気に入りであったかについて話したい場合は、採用マネージャーに新しいポジションが好きかどうかのアイデアを与えるのも良い考えです。
10.あなたが解決した難しい問題について教えてください。
簡単に説明できる問題を選んでください。この質問にうまく答えることの一部は、技術者以外の聴衆に複雑な機械学習の問題を説明できることを示しています。
あなたがあなたの解決策を説明するとき、それが本当にあなたのすべての努力でない限り、信用をとらないでください。チームの貢献を再生すると、あなたが優れたチームプレーヤーであることがわかります。該当する場合は、この問題が顧客、スケジュール、および予算に与える影響を指摘します。差し迫った問題だけでなく、貢献がどのように収益に付加価値をもたらすかを示してください。
行動に関する質問
面接には行動に関する質問が含まれる可能性が高いことを忘れないでください。そして、多くのエンジニアやデータサイエンティストにとって、これは最も難しい部分です。私たちは技術的な質問の準備に多くの時間を費やしていますが、それは私たちがチームにどのように適合するかによっても評価されることを忘れています。
事前に準備できるように、より重要な行動に関する質問を以下に示します。特定の時間を説明するように求める質問については、STARモデルを使用して回答の概要を説明してください。読んだ