面試了 8 家公司，他們問了我這些機(jī)器學(xué)習(xí)題目……

翻譯 | 王柯凝
出品 | AI 科技大本營(yíng)（公眾號(hào) ID：rgznai100）

【導(dǎo)讀】今年年初以來，作者一直在印度找數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)領(lǐng)域的工作。在找工作的這三十四天里，他面試了 8 到 10 家公司，其中也包括初創(chuàng)公司、基于服務(wù)的公司以及基于產(chǎn)品的公司。作者希望他的面試經(jīng)驗(yàn)?zāi)軌驗(yàn)榍舐氄咛峁┮恍┯杏玫男畔?#xff0c;因而撰寫了此文。希望你讀后能夠有所收獲！

首先自我介紹一下：

我在機(jī)器學(xué)習(xí)（語(yǔ)音分析、文本分析和圖像分析領(lǐng)域應(yīng)用）領(lǐng)域有 4 年以上的從業(yè)經(jīng)驗(yàn)。總的來說，我認(rèn)為這個(gè)領(lǐng)域的大多數(shù)工作職位主要包括文本分析（自然語(yǔ)言處理）和圖像分析（計(jì)算機(jī)視覺）。很少有公司招聘語(yǔ)音或音頻分析的人才。我現(xiàn)在的目標(biāo)是應(yīng)聘一個(gè)中高級(jí)職位，可以帶領(lǐng)一個(gè)深度學(xué)習(xí)或機(jī)器學(xué)習(xí)團(tuán)隊(duì)做一些有趣的項(xiàng)目。

下面是我在應(yīng)聘過程中被問到的問題，希望能夠?qū)δ阌兴鶐椭?/p>

公司一：基于全球性服務(wù)的某公司（面試時(shí)長(zhǎng)：20-25min）

你在簡(jiǎn)歷中提到曾經(jīng)構(gòu)建過一個(gè)文檔挖掘系統(tǒng)，你都做了哪些工作？能否在主題建模（topic modeling）中使用 LDA 技術(shù)實(shí)現(xiàn)文檔聚類？

假設(shè)你有數(shù)百兆字節(jié)的數(shù)據(jù)文件，這其中包括 PDF 文件、文本文件、圖像、掃描的 PDF 文件等等，請(qǐng)你給出一個(gè)分類方案。

你如何閱讀掃描版 pdf 文件或圖像格式的書面文件的內(nèi)容？

樸素貝葉斯為什么被稱為“樸素”？

請(qǐng)?jiān)敿?xì)介紹一下樸素貝葉斯分類器。

什么是深度學(xué)習(xí)？深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的區(qū)別是什么？

體驗(yàn)****：除此之外面試官還問了一些問題，但是都把我問懵了，我完全不知道他想聽到什么答案。我一直都想深入的聊一些技術(shù)層面的問題，比如訓(xùn)練一個(gè) tesseract（一款由 HP 實(shí)驗(yàn)室開發(fā)由 Google 維護(hù)的開源 OCR 引擎）或語(yǔ)言模型，但是他似乎并不感興趣。或許他只是想聽到一些已經(jīng)實(shí)現(xiàn)的成果或者是一個(gè)好的解釋，又或者是一些更好的方案。我感覺他們面試一個(gè)新手和面試一個(gè)有經(jīng)驗(yàn)的專業(yè)人員之間并沒有什么區(qū)別。

公司二：基于全球性服務(wù)的某公司（面試時(shí)長(zhǎng)：40-45min）

在無監(jiān)督學(xué)習(xí)中，如何進(jìn)行文件聚類？

如何找到與某些查詢語(yǔ)句 / 搜索相關(guān)的文件？

解釋下 TF-IDF 技術(shù)。

根據(jù)我的經(jīng)驗(yàn)來看，TF-IDF 技術(shù)在文件分類或聚類上效果并不好，你將如何改進(jìn)？

什么是長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）? 解釋下其工作原理。

什么是 word2vec 模型？

解釋下 python 中的可變對(duì)象和不可變對(duì)象。

你在 python 中使用過什么數(shù)據(jù)結(jié)構(gòu)？

體驗(yàn)： 整個(gè)面試過程都是圍繞著文本相似度提問的，我都順利通過了。但是這次仍舊沒有更深層次的技術(shù)探討。或許是公司在文本分析領(lǐng)域有幾個(gè)小項(xiàng)目，最終我拿到了公司的 offer。

公司三：基于全球性產(chǎn)品和服務(wù)的某公司（面試時(shí)長(zhǎng)：40min）

如何使用不平衡數(shù)據(jù)集（ unbalanced dataset）處理多類別的分類問題？

你如何從一個(gè)文本語(yǔ)句中進(jìn)行語(yǔ)言識(shí)別？

如何表示中文或日文中的象形字符？

如何設(shè)計(jì)一個(gè)聊天機(jī)器人？(我沒什么想法，但我嘗試用基于 TF-IDF 相似性的意圖和反饋來回答這個(gè)問題。)

能否使用循環(huán)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)一個(gè)聊天機(jī)器人來對(duì)輸入的問題進(jìn)行意圖和回答響應(yīng)。

假設(shè)你在 Reddit 數(shù)據(jù)集上使用循環(huán)神經(jīng)網(wǎng)絡(luò)或長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了一個(gè)聊天機(jī)器人，它能夠提供 10 種可能的回復(fù)，如何選擇最佳回復(fù)，或者說如何刪除其他的回復(fù)？

解釋一下支持向量機(jī)（SVM）如何學(xué)習(xí)非線性邊界。

** 體驗(yàn)?：** 還有幾個(gè)問題我已經(jīng)記不清了，這是我第一次在面試中深入談?wù)摷夹g(shù)細(xì)節(jié)，隨后我也拿到了這家公司的 offer。

公司四：成立一年的醫(yī)療初創(chuàng)公司（面試時(shí)長(zhǎng)：50min）

什么是精確率（precision）和召回率（recall）？在醫(yī)療診斷中，你認(rèn)為哪個(gè)更重要？

解釋一下精確率和召回率。

如何繪制受試者工作特征曲線 （ROC 曲線）？ROC 曲線下面積是什么意思？

如何為多類別分類任務(wù)繪制 ROC 曲線？

列舉多類別分類任務(wù)其他的度量標(biāo)準(zhǔn)。

什么是靈敏度（sensitivity）和特異度（specificity）？

隨機(jī)森林中的“隨機(jī)”指什么？

如何進(jìn)行文本分類？

如何確定已經(jīng)學(xué)會(huì)了一個(gè)文本？沒有 TF-IDF 技術(shù)是不是不可能實(shí)現(xiàn)？（我回答說使用 n-gram 模型（n＝1，2，3，4），并使用 TF-IDF 技術(shù)創(chuàng)建一個(gè)長(zhǎng)的計(jì)數(shù)向量）

你還能利用機(jī)器學(xué)習(xí)做些什么？（我建議將長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)和 word2vec 結(jié)合起來，或者是一維循環(huán)神經(jīng)網(wǎng)絡(luò)與 word2vec 結(jié)合起來，進(jìn)行分類。但面試官希望改進(jìn)基于機(jī)器學(xué)習(xí)的算法。）

當(dāng)神經(jīng)網(wǎng)絡(luò)由線性節(jié)點(diǎn)構(gòu)成時(shí)，神經(jīng)網(wǎng)絡(luò)如何學(xué)習(xí)非線性形狀？它學(xué)習(xí)非線性邊界的原因是什么？

體驗(yàn)： 還有幾個(gè)很好的問題我沒有記住。盡管整個(gè)面試過程很不錯(cuò)，但是我們?cè)谝恍﹩栴}上看法并不一致。并且在面試期間，我發(fā)現(xiàn)作為一個(gè)初創(chuàng)公司，目前只有 2-3 個(gè)人在做 ML、DL 和 DS。最后我沒有面試成功。

公司五：亞馬遜公司（面試時(shí)長(zhǎng)：50-55min）

訓(xùn)練決策樹時(shí)，其參數(shù)是什么？

在決策樹的某個(gè)節(jié)點(diǎn)處進(jìn)行分割，其分割標(biāo)準(zhǔn)是什么？

基尼系數(shù)的計(jì)算公式是什么？

熵的計(jì)算公式是什么？

決策樹如何決定在哪個(gè)特征處必須進(jìn)行分割？

如何利用數(shù)學(xué)計(jì)算收集來的信息？

簡(jiǎn)述隨機(jī)森林的優(yōu)點(diǎn)。

簡(jiǎn)述 boosting 算法。

梯度提升算法（gradient boosting）是怎樣工作的？

簡(jiǎn)述 AdaBoost 算法工作原理。

SVM 中用到了哪些內(nèi)核？SVM 的優(yōu)化技術(shù)有哪些？

SVM 如何學(xué)習(xí)超平面？論述下其數(shù)學(xué)運(yùn)算細(xì)節(jié)。

談一談無監(jiān)督學(xué)習(xí)？都有哪些算法？

如何定義 K-Means 聚類算法中 K 的值？

列舉至少 3 中定義 K-Means 聚類算法中 K 的方法。

除此之外你還知道哪些聚類算法？

介紹一下 DB-SCAM 算法。

簡(jiǎn)述下分層凝聚聚類（Hierarchical Agglomerativeclustering）的工作原理。

解釋一下主成分分析算法（PCA），簡(jiǎn)述下使用 PCA 算法的數(shù)學(xué)步驟。

20. 使用 PCA 算法有哪些缺點(diǎn)？

談?wù)劸矸e神經(jīng)網(wǎng)絡(luò)的工作原理？詳細(xì)說明其實(shí)現(xiàn)細(xì)節(jié)。

解釋一下卷積神經(jīng)網(wǎng)絡(luò)中的反向傳播。

你如何部署機(jī)器學(xué)習(xí)模型？

我們大部分情況下都要用 C++ 從零開始搭建一個(gè)機(jī)器學(xué)習(xí)模型，這一點(diǎn)你能做到嗎？

體驗(yàn)： 我面試的是亞馬遜 level 6 的職位。他們的主要關(guān)注點(diǎn)是在算法和數(shù)學(xué)上。但是我并沒有準(zhǔn)備數(shù)學(xué)方面的知識(shí)，我只是談?wù)摿宋宜私獾臇|西，并沒有在數(shù)學(xué)的細(xì)節(jié)上做更為詳細(xì)的探討，因此面試官認(rèn)為我并不適合 level 6 的工作。我相信如果你能記住機(jī)器學(xué)習(xí)算法在數(shù)學(xué)上的通用表示，就可以很輕松的通過亞馬遜技術(shù)面試。

公司六：某全球服務(wù)巨頭（面試時(shí)長(zhǎng)：50-55min）

Sigmoid 函數(shù)的范圍是什么？

說出 scikit-learn 能夠?qū)崿F(xiàn)邏輯回歸的包的名稱。

標(biāo)準(zhǔn)正態(tài)分布的均值和方差分別是多少？

你在 Python 中都使用什么數(shù)據(jù)結(jié)構(gòu)？

文本分類的方法有哪些？你會(huì)怎么做分類？

解釋 TF-IDF 技術(shù)及其缺點(diǎn)，如何克服 TF-IDF 的缺點(diǎn)？

什么是雙詞搭配 (Bigrams) 和三詞搭配(Trigrams）？用一個(gè)文本語(yǔ)句解釋一下雙詞搭配和三詞搭配的 TF-IDF 技術(shù)。

舉例說明 word2vec 有哪些應(yīng)用。

如何設(shè)計(jì)一個(gè)神經(jīng)網(wǎng)絡(luò)？如何做到“深度”？這是一個(gè)基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)問題。

簡(jiǎn)述 LSTM 的工作原理。它是如何記住文本的？

什么是樸素貝葉斯分類器？

拋 10 次硬幣，4 次是正面的概率是多少？

如何獲取 Python 列表中元素的索引？

如果合并兩個(gè) pandas 數(shù)據(jù)集？

從用戶行為來看，你需要模擬一個(gè)欺詐活動(dòng)，你會(huì)如何解決這個(gè)問題？這是可能是一個(gè)異常檢測(cè)問題或分類問題！

決策樹和隨機(jī)森林，你更喜歡哪一個(gè)？

邏輯回歸和隨機(jī)森林有什么區(qū)別？

你會(huì)用決策樹還是隨機(jī)森林來解決分類問題？隨機(jī)森林有什么優(yōu)點(diǎn)？

體驗(yàn)： 我也拿到了這家公司的 offer。事實(shí)上，我很喜歡這次技術(shù)交流。或許你會(huì)覺著這些問題是機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)領(lǐng)域最基礎(chǔ)的問題，但是我感覺面試官可能不是這一領(lǐng)域的，或者是對(duì)這個(gè)領(lǐng)域的發(fā)展了解的并不多。

公司七：全球性商業(yè)管理公司（面試時(shí)長(zhǎng)：25-30min）

在不平衡數(shù)據(jù)集中，你會(huì)選擇什么模型：隨機(jī)森林還是 Boosting？為什么？

你所了解的 Boosting 技術(shù)有哪些？

采用監(jiān)督學(xué)習(xí)解決分類問題，你會(huì)選擇哪個(gè)模型？假設(shè)有 40-50 個(gè)分類！

你怎樣使用合奏（Ensemble）技術(shù)？

簡(jiǎn)述支持向量機(jī)（SVM）的工作原理。

什么是 Kernel？簡(jiǎn)單介紹一下。

如何實(shí)現(xiàn)非線性回歸？

什么是 Lasso 回歸和 Ridge 回歸？

體驗(yàn)： 說實(shí)話，這次面試有點(diǎn)水，以至于我沒有認(rèn)真對(duì)待。但是問題問的很不錯(cuò)。我面試的職位是要帶領(lǐng)一個(gè)十五六人的團(tuán)隊(duì)做項(xiàng)目，在這之后是經(jīng)理面試和 HR 面試。最終他們給我提供了崗位咨詢以及不錯(cuò)的薪資。

公司八：成立 4 年的生產(chǎn)和服務(wù)型公司（60 分鐘）

你在簡(jiǎn)歷上提到曾經(jīng)做過演講中的發(fā)音識(shí)別，具體來講講你的實(shí)現(xiàn)方法是什么？

什么是梅爾頻率倒譜（MFCCs）？

什么是高斯混合模型，它是如何完成聚類的？

如何實(shí)現(xiàn)期望最大化？講講其實(shí)現(xiàn)步驟。

GMM 模型中的概率如何計(jì)算？

在進(jìn)行發(fā)音識(shí)別時(shí)，你是如何為 GMM-UBM 技術(shù)執(zhí)行 MAP 調(diào)整的？

談?wù)勀闼玫?I-vector 技術(shù) 。

在分析語(yǔ)境時(shí)，主要因素是什么？

JFA 和 I-vector 的區(qū)別是什么？為什么選擇 I-vector 而不是 JFA？

你有沒有用過 PLDA I-vector 技術(shù)嗎？

有沒有讀過百度的 Deep Speaker 論文？

如果有兩個(gè)模型可供你選擇，你選擇的依據(jù)是什么？（考察模型選擇的技術(shù)）

簡(jiǎn)述下貝葉斯信息度量（BIC）和赤池信息量（AIC）的數(shù)學(xué)工作原理。

貝葉斯信息度量和赤池信息量的工作原理是什么？

如果 MFCC 特征向量矩陣中的數(shù)據(jù)發(fā)生丟失，應(yīng)該怎么辦？

如何進(jìn)行語(yǔ)音辨識(shí)？有什么特點(diǎn)？

你的分類器是語(yǔ)音和音樂的分類器，還是語(yǔ)音和非語(yǔ)音的分類器？

深度神經(jīng)網(wǎng)絡(luò)是如何應(yīng)用在語(yǔ)音分析中的？

體驗(yàn)： 是的，你可能會(huì)驚訝這都是些什么問題。巧合的是，我們兩個(gè)人的研究領(lǐng)域都是語(yǔ)音分析（尤其是發(fā)音識(shí)別）。所以整個(gè)面試過程一直在圍繞語(yǔ)音分析進(jìn)行提問。很顯然，面試官很專業(yè)，并且給了我一個(gè)正面反饋。之后，這家公司給我提供了 AI 解決方案架構(gòu)師的工作。

一些建議

在這整個(gè)求職過程中，我大概和 25-30 位專業(yè)人士有過交流，下面是我為讀者以及求職者提出的建議：

• 簡(jiǎn)歷很重要。一定要在簡(jiǎn)歷中寫清楚你參加過的項(xiàng)目、Kaggle 競(jìng)賽、獲得的 MOOC 課程證書或者論文。我就是在沒有任何推薦人推薦的情況下接到了亞馬遜的面試電話。你的簡(jiǎn)歷是打動(dòng) HR 和面試官的利器。
• 自信心和熱情是成功的一半。參加面試時(shí)一定要自信，并且向面試官展示出你的熱情（這一點(diǎn)在面試創(chuàng)業(yè)公司和基于服務(wù)的公司時(shí)尤為重要）。
• 不要過于急著回答面試官提出的問題。花些時(shí)間組織好答案再回答，如果對(duì)問題有不理解的地方，一定要請(qǐng)教面試官。還有就是在面試時(shí)一定要冷靜！
• 在解釋概念時(shí)一定要恰當(dāng)?shù)谋憩F(xiàn)自己。舉幾個(gè)你已經(jīng)實(shí)現(xiàn)過的項(xiàng)目，并且一定要熟悉簡(jiǎn)歷中提到的熟練技能和做過的項(xiàng)目。
• 大多數(shù)情況下，面試官都是在尋找這個(gè)領(lǐng)域內(nèi)有經(jīng)驗(yàn)的技術(shù)人才。如果你在這個(gè)領(lǐng)域還是一個(gè)新手，在創(chuàng)建簡(jiǎn)歷時(shí)可以從自己做過的項(xiàng)目開始。你的 GitHub 賬號(hào)也很有說服力。除此之外，還可以多參加 Kaggle 競(jìng)賽和 MOOC 課程。
• 面對(duì)面試官的時(shí)候，一定要謙虛，注意傾聽面試官的意見，否則你就會(huì)被拒之門外。有的時(shí)候，使用 R 語(yǔ)言和 Python 語(yǔ)言的人會(huì)相互鄙視，你最好不要陷入這種爭(zhēng)論當(dāng)中，否則也容易被拒。我個(gè)人認(rèn)為 R 語(yǔ)言和 Python 語(yǔ)言都是實(shí)現(xiàn)邏輯和概念的工具。

最后，祝大家面試成功！

原文鏈接：

https://appliedmachinelearning.wordpress.com/2018/04/13/my-data-science-machine-learning-job-interview-experience-list-of-ds-ml-dl-questions/

轉(zhuǎn)載請(qǐng)注明?AIQ - 最專業(yè)的機(jī)器學(xué)習(xí)大數(shù)據(jù)社區(qū)?http://www.6aiq.com

轉(zhuǎn)載于:https://www.cnblogs.com/ciao/articles/10894680.html

總結(jié)

以上是生活随笔為你收集整理的机器学习面试题（转）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。