[[226434]]

先介紹一下我自己，我有過4年以上機(jī)器學(xué)習(xí)的工作經(jīng)驗(yàn)，主要工作內(nèi)容有話語分析、文本分析和圖像分析。我認(rèn)為該領(lǐng)域最稀缺的人才是NLP專業(yè)，然后是圖像分析（CV），主要進(jìn)行話語或音頻分析的較少。有了五年的工作經(jīng)驗(yàn)后，我的目標(biāo)是中高層職位，可以帶領(lǐng)一個(gè)數(shù)據(jù)或機(jī)器學(xué)習(xí)團(tuán)隊(duì)做一些有趣的研究。以下是我在面試過程中遇到的各種技術(shù)性問題，供大家參考。

全球服務(wù)性公司之一（20—25分鐘）

1. 請(qǐng)問你在搭建文檔挖掘系統(tǒng)的過程中，做了哪些工作？

2. 假設(shè)給你數(shù)TB的數(shù)據(jù)文件，其中包含PDF、文本文件、圖像、掃描的PDF文件等等。你將如何對(duì)其分類？

3. 你如何閱讀掃描的PDF或書面文件？

4. 為什么樸素貝葉斯被稱為“樸素”？

5. 詳細(xì)談?wù)剺闼刎惾~斯分類器？

6. 什么是深度學(xué)習(xí)？機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別在哪里？

除此之外還有一些類似的問題，但是我對(duì)它們有些一頭霧水，完全不知道面試官想聽到什么樣的答案。我一直想探討更深層次的技術(shù)層面的東西，但是他們一直沒有聊到這方面。而且當(dāng)我扯起模型訓(xùn)練、tesseract或者語言模型時(shí)，他們似乎完全不吃這一套。也許他們想聽到的是現(xiàn)成的成果，或是很簡(jiǎn)單的解釋。這跟我五年前第一次面試的感覺非常相似。

全球服務(wù)型公司之二（40—45分鐘）

1. 你如何能在無監(jiān)督的方式下收集文件？

2. 你如何找到與某些查詢問題相關(guān)的文件？

3. 解釋一下TF-IDF。

4. 根據(jù)我的經(jīng)驗(yàn)，TF-IDF在文檔分類或收集方面失敗了，你今后會(huì)怎么改善？

5. 什么是LSTM神經(jīng)網(wǎng)絡(luò)？解釋一下它是如何工作的。

6. 什么是word2vec向量？

7. Python中可變和不可變對(duì)象是什么意思？

8. 你在Python中使用什么數(shù)據(jù)結(jié)構(gòu)？

雖然有幾個(gè)問題是圍繞文本相似度的，但我都順利回答出來了。不過這次和上次一樣，仍然沒有深層次技術(shù)上的探討，或許是考慮到公司有幾個(gè)關(guān)于文本分析的小項(xiàng)目，他們最終還是向我發(fā)出了offer。

全球生產(chǎn)和服務(wù)公司（40分鐘）

1. 在不平衡的數(shù)據(jù)集中，你如何處理多類別的分類問題？

2. 你是如何從文本句子中進(jìn)行語言識(shí)別的？

3. 你如何表示中文或日文中的象形文字？

4. 該如何設(shè)計(jì)一個(gè)聊天機(jī)器人？（在這一點(diǎn)上我沒有太多想法）

5. 輸入一對(duì)問題和回答，我能用RNN設(shè)計(jì)一個(gè)聊天機(jī)器人嗎？

6. 假設(shè)我用Reddit上的數(shù)據(jù)集和RNN或LSTM創(chuàng)建了一個(gè)聊天機(jī)器人，它給了我10個(gè)備選回復(fù)，我如何才能選擇最佳的那個(gè)？或者說，我如何刪除其他的回復(fù)？

7. 解釋一下SVM是如何學(xué)習(xí)非線性邊界的？

除此之外還有幾個(gè)問題我記不清了，不過這是目前為止第一個(gè)問技術(shù)性問題的公司，我感到非常欣慰。最后這家公司也向我發(fā)了offer。

成立一年的醫(yī)療健康公司（50分鐘）

1. 精確率（precision）和召回率（recall）是什么？在醫(yī)學(xué)診斷中，你認(rèn)為哪個(gè)更重要？

2. 對(duì)精確率和召回率分別進(jìn)行定義。

3. 你如何繪制ROC曲線？ROC曲線下面積表示什么？

4. 在多類別分類任務(wù)中你如何繪制ROC曲線？

5. 除此之外，還有哪些評(píng)估多類別分類任務(wù)結(jié)果的方法？

6. 靈敏度（sensitivity）和特異度（specificity）是什么？

7. 隨機(jī)森林中的“隨機(jī)”指什么？

8. 你如何進(jìn)行文本分類？

9. 在沒有TF-IDF的情況下，你如何確定自己學(xué)會(huì)了文本？

10. 你還能用機(jī)器學(xué)習(xí)做些什么？

11. 當(dāng)神經(jīng)網(wǎng)絡(luò)由線性節(jié)點(diǎn)構(gòu)成時(shí)，它如何學(xué)習(xí)非線性形狀？它如何學(xué)會(huì)非線性邊界？

除此之外還有幾個(gè)不錯(cuò)的問題。盡管面試過程感覺不錯(cuò)，但是在某些問題上我們未能達(dá)成一致。而且在面試過程中，我發(fā)現(xiàn)公司只有2—3人專注于ML/DL/DS。

亞馬遜（50—55分鐘）

1. 訓(xùn)練決策樹時(shí)的參數(shù)是什么？

2. 在決策樹的節(jié)點(diǎn)處分割的標(biāo)準(zhǔn)是什么？

3. 基尼系數(shù)的公式是什么？

4. 熵的公式是什么？

5. 決策樹如何決定在哪個(gè)特征處分割？

6. 你如何用數(shù)學(xué)計(jì)算收集來的信息？你確定嗎？

7. 隨機(jī)森林的優(yōu)點(diǎn)有哪些？

8. 介紹一下boosting算法。

9. gradient boosting如何工作？

10. 關(guān)于AdaBoost算法，你了解多少？它如何工作？

11. SVM中用到了哪些核？SVM中的優(yōu)化技術(shù)有哪些？

12. SVM如何學(xué)習(xí)超平面？用數(shù)學(xué)方法詳細(xì)解釋一下。

13. 介紹一下無監(jiān)督學(xué)習(xí)，算法有哪些？

14. 在K-Means聚類算法中，如何定義K？

15. 告訴我至少3中定義K的方法。

16. 除此之外你還知道哪些聚類算法？

17. 談?wù)凞B-SCAM算法。

18. 階層聚合式分類法（Hierarchical Agglomerative clustering）是如何工作的？

19. 解釋一下PCA，使用PCA時(shí)有哪些數(shù)學(xué)步驟。

20. 使用PCA有哪些缺點(diǎn)？

21. CNN如何工作？詳細(xì)說一下使用細(xì)節(jié)。

22. 解釋一下CNN中的反向傳播。

23. 你如何部署機(jī)器學(xué)習(xí)模型？

24. 大多時(shí)候，我們可能需要用C++從零開始搭建機(jī)器學(xué)習(xí)模型，你能做嗎？

我面試的是亞馬遜level 6的職位。我只能說，他們主要的關(guān)注點(diǎn)在算法和背后的數(shù)學(xué)上。不幸的是，我的面試都是即興的，并沒有準(zhǔn)備數(shù)學(xué)方面的知識(shí)，我只說了我所記得的所有東西。不過面試官并不認(rèn)為我適合level 6的工作。我相信只要你能記住通用的機(jī)器學(xué)習(xí)算法的數(shù)學(xué)細(xì)節(jié)，就能輕易地通過亞馬遜技術(shù)輪面試。

全球服務(wù)型巨頭（50—55分鐘）

1. S函數(shù)的范圍是什么？

2. scikit-learn的哪個(gè)安裝包能實(shí)現(xiàn)邏輯回歸？

3. 標(biāo)準(zhǔn)正態(tài)分布的平均數(shù)和變量是什么？

4. 你在Python中用什么數(shù)據(jù)結(jié)構(gòu)？

5. 文本分類的方法有什么，你都怎樣做？

6. 解釋一下TF-IDF，它的缺點(diǎn)有什么？你怎么克服？

7. bigrams和trigrams是什么？用帶有文本句子的例子解釋一下bigram和trigram的TF-IDF。

8. word2vec有哪些應(yīng)用，舉個(gè)例子？

9. 你會(huì)怎樣設(shè)計(jì)一個(gè)神經(jīng)網(wǎng)絡(luò)？怎樣把它變深？

10. LSTM是如何工作的？它是怎么記住文本的？

11. 什么是樸素貝葉斯分類器？

12. 拋10次硬幣，4次是正面的概率有多大？

13. 如何獲取Python中列表元素的索引？

14. 如果用pandas合并兩個(gè)數(shù)據(jù)集？

15. 從用戶角度出發(fā)，你需要模擬欺詐活動(dòng)，你會(huì)如何解決這個(gè)問題？

16. 你更喜歡決策樹還是隨機(jī)森林？

17. 使用邏輯回歸和隨機(jī)森林有什么區(qū)別？

18. 在分類問題上，你會(huì)用決策樹還是隨機(jī)森林？用隨機(jī)森林有什么優(yōu)點(diǎn)？

最終這家公司向我發(fā)放了數(shù)據(jù)科學(xué)崗位的offer。事實(shí)上，我非常享受這次的技術(shù)性交流。你可能會(huì)覺得這些問題也是最基礎(chǔ)的機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)問題。不過在面試過程中我感到面試官可能不是這一領(lǐng)域的，或者對(duì)現(xiàn)在的發(fā)展了解的不多。

全球商業(yè)管理公司（25—30分鐘）

1. 在不平衡的數(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？

2. 你了解的boosting技術(shù)有哪些？

3. 用監(jiān)督學(xué)習(xí)的方法進(jìn)行分類問題，你會(huì)選擇哪個(gè)模型？（大約40—50個(gè)類別）

4. 你如何使用集成技術(shù)？

5. SVM如何工作的？

6. 什么是Kernel？簡(jiǎn)單介紹一下。

7. 如何執(zhí)行非線性回歸？

8. Lasso回歸和Ridge回歸是什么？

說實(shí)話，這次面試有點(diǎn)水，以至于我沒有認(rèn)真對(duì)待。不過問題還是不錯(cuò)的。我面試的是領(lǐng)導(dǎo)一個(gè)15—16人的團(tuán)隊(duì)，在這之后是經(jīng)理面試和HR面試。最終他們給我提供了咨詢崗位以及不錯(cuò)的薪水。

成立4年的生產(chǎn)和服務(wù)型公司（60分鐘）

1. 簡(jiǎn)歷上說，你曾做過用語音識(shí)別演講者，具體方法是什么？

2. 什么是MFCCs？

3. 高斯混合模型是什么，它是如何完成聚類的？

4. 如何實(shí)現(xiàn)期望最大化？其中的步驟是什么？

5. GMM中的概率如何計(jì)算？

6. 在對(duì)演講者進(jìn)行識(shí)別時(shí)，你是如何為GMM-UBM技術(shù)執(zhí)行MAP調(diào)整的？

7. 談?wù)勀闼玫腎-向量技術(shù)。

8. 語境中的分析因素是什么？

9. JFA和I-向量的區(qū)別是什么？為什么選擇I-向量而不選JFA？

10. 你用過PLDA I-向量技術(shù)嗎？

11. 你讀過百度的有關(guān)Deep Speaker的論文嗎？

12. 如果有兩個(gè)模型都可用，你會(huì)如何選擇？

13. 貝葉斯信息度量（BIC）和赤池信息量（AIC）工作的數(shù)學(xué)原理是什么？

14. BIC和AIC背后的原理是什么？

15. 在你的MFCC特征向量矩陣中，如果有數(shù)據(jù)丟失怎么辦？

16. 如何分辨語言？有什么特點(diǎn)？

17. 你的分類器更像是話語和音樂的分類器，還是話語和非話語的分類器？

18. 在語言分析應(yīng)用中，如何部署深度神經(jīng)網(wǎng)絡(luò)？

是的，你可能會(huì)問這都是什么問題。非常巧的是，我們兩個(gè)人的研究領(lǐng)域都是語音分析，特別是演講者識(shí)別。所以整個(gè)面試過程一直在圍繞語音分析。很顯然，面試官很專業(yè)，并且給了我非常積極的反饋。之后，這家公司給我提供了AI解決方案架構(gòu)師的工作。

建議

在整個(gè)求職過程中，我大概與25—30位專業(yè)人士有過交談，以下是我在這之后能給出的建議：

• 簡(jiǎn)歷很重要。要在其中寫明參加過的項(xiàng)目、Kaggle競(jìng)賽、MOOC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電話。你的簡(jiǎn)歷是打動(dòng)HR和面試官的重要武器。

• 自信心和驅(qū)動(dòng)力是成功的一半。參加面試時(shí)一定要自信，并且展示出你的熱情（尤其是在創(chuàng)業(yè)公司和服務(wù)型公司）。

• 面試時(shí)不要急著回答問題?；ㄐr(shí)間想想如何組織答案，如果有不明白的地方一定要問。面試時(shí)一定要冷靜。

• 在解釋概念時(shí)別忘了表現(xiàn)自己。你可以提幾個(gè)做過的案例，并且要熟悉你簡(jiǎn)歷里寫的技能和項(xiàng)目。

• 如果你是這一領(lǐng)域的新人，在創(chuàng)建簡(jiǎn)歷時(shí)可以從自己做過的項(xiàng)目開始，或者GitHub賬號(hào)也是很有說服力的。除此之外，可以多參加Kaggle競(jìng)賽和MOOC課程。

• 學(xué)會(huì)謙虛，注意傾聽面試官的意見。有的時(shí)候，R和Python的

• 使用者會(huì)互相鄙視，最好不要這樣，不然很可能掛掉。

最后，祝大家面試成功！（小編：答案？擬答案什么的是不可能的，這輩子都不可能的）