차례:
기계 학습 인터뷰 질문
기계 학습 엔지니어에 대한 인터뷰는 매우 기술적 인 것이 겠지만, 무엇이 당신을 최고의 후보자로 만드는지 보여줄 기회입니다.
이러한 인공 지능 및 기계 학습 인터뷰 질문과 답변 방법을 준비하십시오.
면접관은이 목록을 사용하여 기계 학습 후보자의 능력을 보여주는 인터뷰를 작성할 수도 있습니다. 당신은 그들의 기술적 능력과 비판적으로 생각하는 능력을 배울 것입니다.
기계 학습 인터뷰에서 예상 할 수있는 질문입니다.
Flickr
알고리즘
얕은 학습 알고리즘에 대한 지식을 과시 할 준비를하십시오. 엄격한 데이터 과학자 직책에 지원하지 않는 한 면접관은 알고리즘 질문에 대해 너무 꼼꼼하지 않을 것입니다. 그러나 입력에 대해 말할 수 있어야하며 어떤 응용 프로그램에 가장 적합한 알고리즘이 무엇인지 말할 수 있어야합니다.
1. 언제 KNN (k 개의 최근 접 이웃)을 사용 하시겠습니까?
KNN은 일반적으로 분류에 사용됩니다. 기계 학습에서 가장 간단하고 가장 많이 사용되는 알고리즘 중 하나입니다.
귀하의 답변은 귀하의 경험에 따라 다를 수 있지만 클래스와 기능에 레이블이 지정된 대부분의 경우 KNN을 고려할 것입니다.
2. SVM (Support Vector Machine)이 어떻게 작동하는지 설명하십시오. 비선형 데이터에 SVM을 어떻게 사용할 수 있습니까?
SVM은 초평면 또는 결정 경계를 생성하여 새 데이터가있는 경계의 측면을 기준으로 입력 데이터를 분류합니다. 경계와 데이터 포인트 사이의 여백을 최대한 늘려 최적화됩니다.
커널은 종종 SVM과 함께 스택된다는 점을 기억하십시오. 커널은 SVM을 최적화 할 수 있도록 비선형 데이터를 선형 데이터로 변환합니다.
프레임 워크 및 언어
면접관은 당신이 사용한 언어와 프레임 워크를 알고 싶어 할 것입니다. 또한 이러한 질문을 사용하여 새로운 프레임 워크를 얼마나 빨리 선택하고 인공 지능에 사용할 수있는 프레임 워크와 어떻게 조화를 이루는 지에 대한 아이디어를 얻을 것입니다.
3. 왜 사용을 좋아합니까
이력서에있는 모든 것은 공정한 게임입니다. 특히 기술에 나열한 프로그래밍 언어. 따라서 모든 내용에 대해 이야기 할 준비를하십시오.
진실한 대답이 마지막 직장에서 사용했던 언어이기 때문에 그 언어 만 사용했다는 것이라면 괜찮습니다. 기계 학습 관점에서 언어의 장단점에 대해 이야기 할 준비를하십시오.
4. 사용 경험에 대해 알려주세요.
회사에서 사용하는 프레임 워크에 대해 잘 알고 있다면 쉽게 사용할 수 있습니다. 확실히, 당신이 당신의 이력서에 그것들을 나열한다면 당신은 그들에 대해 모두 말할 수있을 것입니다.
특정 프레임 워크를 많이 사용하지 않았다면 반드시 딜 브레이커는 아닙니다. 그 / 그녀의 가치가있는 소프트웨어 엔지니어는 큰 학습 곡선없이 새로운 프레임 워크에 적응할 수 있어야합니다. 직무 설명에는 회사가 사용하는 몇 가지 주요 플랫폼이 나열 될 것입니다. 인터뷰를 시작하기 전에 조사해보십시오.
새로운 프레임 워크를 연구 할 때 집중해야 할 몇 가지 측면:
- 어떤 작업을 가장 잘 처리합니까?
- 강점 / 약점은 무엇입니까?
- 프레임 워크와 잘 호환되는 언어는 무엇입니까?
그 환경에 대해 현명하게 이야기 할 수 있어야합니다.
프레임 워크가 오픈 소스 인 경우 개인용 컴퓨터에서 사용해보십시오. 임시 면허를받을 수있는 저렴한 온라인 수업도 있습니다.
신경망 구축
5. 알고리즘이 수렴되지 않으면 어떻게 하시겠습니까?
이것은 기계 학습에 종사하는 모든 사람이 쉽게 이해할 수있는 개방형 질문입니다.
학습률 (알파)을 낮추는 것이 좋은 첫 단계입니다. 면접관으로서 후보자가 알파를 찾는 데 더 논리적 인 접근 방식을 설명하는 것을보고 싶습니다. 전략적 범위의 알파를 시도하고 반복 횟수에 대한 비용 함수를 플로팅합니다.
6. Gradient Descent와 Normal Equation을 언제 사용합니까?
알고리즘을 최적화하는 다양한 방법의 장단점에 대해 질문 할 수 있습니다.
정규 방정식은 분류와 함께 사용할 수 없으므로이 비교는 회귀에만 중요합니다. 정규 방정식은 기능의 수가 그리 크지 않을 때 선택됩니다. 학습률을 선택하거나 반복 할 필요가 없다는 점에서 경사 하강 법에 비해 장점이 있습니다.
많은 기능이 있으면 정규 방정식이 매우 느리므로 경사 하강 법을 선택합니다.
기계 학습 또는 인공 지능 직책에 대한 인터뷰에서 신경망 구축에 대한 질문을 기대하십시오.
WikimediaCommons
모델 평가 (성능)
기계 학습 엔지니어의 주요 업무 중 하나는 신경망을 최적화하고 그것이 얼마나 잘 수행되는지 이해하는 것입니다.
7. 과적 합이 나쁜 이유는 무엇이며 어떻게 해결할 수 있습니까?
과적 합은 알고리즘이 훈련 데이터에 매우 적합하지만 새로운 상황을 정확하게 예측하는 경우입니다. 실제 상황에 유용하지 않기 때문에 분명히 이것은 나쁘다.
과적 합을 개선 할 수있는 몇 가지 방법을 설명하십시오. 정규화 항을 추가하고 람다를 늘리면 좋은 결과를 얻을 수 있습니다. 기능 수를 줄이거 나 다항식 순서를 줄이는 것은 옵션이지만 모든 상황에서 올바른 선택은 아닙니다.
8. 모델이 좋은지 어떻게 알 수 있습니까?
이것은 후보자가 모델을 평가하는 방법을 이해해야하는 위의 질문과 유사합니다.
사용 가능한 교육 데이터가 교육 데이터, 검증 데이터 및 테스트 데이터로 분할되는 방법과 각각의 용도를 설명 할 수 있습니다. 다항식 차수와 람다를 변경하고 유효성 검사 데이터의 오류를 비교하는 후보의 이야기를 듣고 싶습니다.
프로젝트
인터뷰에 오셔서 이전 프로젝트에 대해 논의하십시오. 모든 인터뷰와 마찬가지로 이력서의 모든 것은 공정한 게임입니다.
직장, 학교 또는 개인 용도의 프로젝트 포트폴리오를 준비하십시오. 기밀 유지 계약 또는 기밀 작업에서 말할 수있는 내용이 제한 될 수 있으므로 논의 할 수있는 내용을 명확히하십시오.
예상 할 수있는 몇 가지 질문은 다음과 같습니다.
9. 가장 좋아하는 기계 학습 프로젝트는 무엇입니까?
이 인터뷰를 위해 작업과 가장 관련이있는 프로젝트를 가장 좋아하는 프로젝트로 선택할 수 있습니다. 이를 통해 관련 경험을 강조 할 수 있습니다.
채용 관리자에게 새로운 직책을 좋아할지 여부에 대한 아이디어를 제공하기 위해 실제로 가장 좋아하는 것이 무엇인지 이야기하고 싶다면 그것은 좋은 생각입니다.
10. 해결 한 어려운 문제에 대해 말씀해주십시오.
쉽게 설명 할 수있는 문제를 선택하십시오. 이 질문에 대한 답의 일부는 기술적이지 않은 청중에게 복잡한 기계 학습 문제를 설명 할 수 있음을 보여주는 것입니다.
당신이 당신의 해결책을 설명 할 때 그것이 정말로 당신의 모든 노력이 아니라면 인정하지 마십시오. 팀의 기여도를 발휘하면 훌륭한 팀 선수라는 것을 알 수 있습니다. 해당되는 경우이 문제가 고객, 일정 및 예산에 미치는 영향을 지적합니다. 귀하의 기여가 당면한 문제뿐만 아니라 수익에 어떻게 가치를 더하는지 보여주십시오.
행동 질문
인터뷰에 행동 질문이 포함될 가능성이 높다는 사실을 잊지 마십시오. 그리고 많은 엔지니어와 데이터 과학자에게 이것은 가장 어려운 부분입니다! 우리는 기술적 인 질문을 준비하는 데 너무 많은 시간을 할애합니다. 우리가 팀에 어떻게 적응하는지에 따라 평가 될 것이라는 사실을 잊었습니다.
보다 중요한 행동 질문은 아래에 나와 있으므로 미리 준비 할 수 있습니다. 특정 시간을 설명하도록 요청하는 질문에 대해서는 STAR 모델을 사용하여 답변을 요약하십시오. 읽다