【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ⅲ蚨珜懥舜宋摹ＯＭ阕x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)為這個領(lǐng)域的大多數(shù)工作職位主要包括文本分析(自然語言處理)和圖像分析(計(jì)算機(jī)視覺)。很少有公司招聘語音或音頻分析的人才。我現(xiàn)在的目標(biāo)是應(yīng)聘一個中高級職位，可以帶領(lǐng)一個深度學(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(面試時長：20-25min)

1. 你在簡歷中提到曾經(jīng)構(gòu)建過一個文檔挖掘系統(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?
2. 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，請你給出一個分類方案。
3. 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?
4. 樸素貝葉斯為什么被稱為“樸素”?
5. 請?jiān)敿?xì)介紹一下樸素貝葉斯分類器。
6. 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 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)的成果或者是一個好的解釋，又或者是一些更好的方案。我感覺他們面試一個新手和面試一個有經(jīng)驗(yàn)的專業(yè)人員之間并沒有什么區(qū)別。

[[227299]]

公司二：基于全球性服務(wù)的某公司(面試時長：40-45min)

1. 在無監(jiān)督學(xué)習(xí)中，如何進(jìn)行文件聚類?
2. 如何找到與某些查詢語句/搜索相關(guān)的文件?
3. 解釋下TF-IDF技術(shù)。
4. 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)?
5. 什么是長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)?解釋下其工作原理。
6. 什么是word2vec模型?
7. 解釋下python中的可變對象和不可變對象。
8. 你在python中使用過什么數(shù)據(jù)結(jié)構(gòu)?

體驗(yàn)：整個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)域有幾個小項(xiàng)目，最終我拿到了公司的offer。

[[227300]]

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

1. 如何使用不平衡數(shù)據(jù)集( unbalanced dataset)處理多類別的分類問題?
2. 你如何從一個文本語句中進(jìn)行語言識別?
3. 如何表示中文或日文中的象形字符?
4. 如何設(shè)計(jì)一個聊天機(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問題。 )
5. 能否使用循環(huán)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)一個聊天機(jī)器人來對輸入的問題進(jìn)行意圖和回答響應(yīng)。
6. 假設(shè)你在Reddit數(shù)據(jù)集上使用循環(huán)神經(jīng)網(wǎng)絡(luò)或長短時記憶神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了一個聊天機(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)?
7. 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。

[[227301]]

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

1. 什么是精確率(precision)和召回率(recall)?在醫(yī)療診斷中，你認(rèn)為哪個更重要?
2. 解釋一下精確率和召回率。
3. 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?
4. 如何為多類別分類任務(wù)繪制ROC曲線?
5. 列舉多類別分類任務(wù)其他的度量標(biāo)準(zhǔn)。
6. 什么是靈敏度(sensitivity)和特異度(specificity)?
7. 隨機(jī)森林中的“隨機(jī)”指什么?
8. 如何進(jìn)行文本分類?
9. 如何確定已經(jīng)學(xué)會了一個文本?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)建一個長的計(jì)數(shù)向量)
10. 你還能利用機(jī)器學(xué)習(xí)做些什么?(我建議將長短期記憶神經(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。)
11. 當(dāng)神經(jīng)網(wǎng)絡(luò)由線性節(jié)點(diǎn)構(gòu)成時，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)：還有幾個很好的問題我沒有記住。盡管整個面試過程很不錯，但是我們在一些問題上看法并不一致。并且在面試期間，我發(fā)現(xiàn)作為一個初創(chuàng)公司，目前只有2-3個人在做ML、DL和DS。最后我沒有面試成功。

[[227302]]

公司五：亞馬遜公司(面試時長：50-55min)

1. 訓(xùn)練決策樹時，其參數(shù)是什么?
2. 在決策樹的某個節(jié)點(diǎn)處進(jìn)行分割，其分割標(biāo)準(zhǔn)是什么?
3. 基尼系數(shù)的計(jì)算公式是什么?
4. 熵的計(jì)算公式是什么?
5. 決策樹如何決定在哪個特征處必須進(jìn)行分割?
6. 如何利用數(shù)學(xué)計(jì)算收集來的信息?
7. 簡述隨機(jī)森林的優(yōu)點(diǎn)。
8. 簡述boosting算法。
9. 梯度提升算法(gradient boosting)是怎樣工作的?
10. 簡述AdaBoost算法工作原理。
11. SVM中用到了哪些內(nèi)核?SVM的優(yōu)化技術(shù)有哪些?
12. 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)。
13. 談一談無監(jiān)督學(xué)習(xí)?都有哪些算法?
14. 如何定義K-Means聚類算法中K的值?
15. 列舉至少3中定義K-Means聚類算法中K的方法。
16. 除此之外你還知道哪些聚類算法?
17. 介紹一下DB-SCAM算法。
18. 簡述下分層凝聚聚類(Hierarchical Agglomerativeclustering)的工作原理。
19. 解釋一下主成分分析算法(PCA)，簡述下使用PCA算法的數(shù)學(xué)步驟。
20. 20.使用 PCA算法有哪些缺點(diǎn)?
21. 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)。
22. 解釋一下卷積神經(jīng)網(wǎng)絡(luò)中的反向傳播。
23. 你如何部署機(jī)器學(xué)習(xí)模型?
24. 我們大部分情況下都要用C++從零開始搭建一個機(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，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。

[[227303]]

公司六：某全球服務(wù)巨頭(面試時長：50-55min)

1. Sigmoid 函數(shù)的范圍是什么?
2. 說出scikit-learn能夠?qū)崿F(xiàn)邏輯回歸的包的名稱。
3. 標(biāo)準(zhǔn)正態(tài)分布的均值和方差分別是多少?
4. 你在Python中都使用什么數(shù)據(jù)結(jié)構(gòu)?
5. 文本分類的方法有哪些?你會怎么做分類?
6. 解釋TF-IDF技術(shù)及其缺點(diǎn)，如何克服TF-IDF的缺點(diǎn)?
7. 什么是雙詞搭配(Bigrams)和三詞搭配(Trigrams)?用一個文本語句解釋一下雙詞搭配和三詞搭配的TF-IDF技術(shù)。
8. 舉例說明word2vec有哪些應(yīng)用。
9. 如何設(shè)計(jì)一個神經(jīng)網(wǎng)絡(luò)?如何做到“深度”?這是一個基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)問題。
10. 簡述LSTM的工作原理。它是如何記住文本的?
11. 什么是樸素貝葉斯分類器?
12. 拋10次硬幣，4次是正面的概率是多少?
13. 如何獲取Python列表中元素的索引?
14. 如果合并兩個pandas數(shù)據(jù)集?
15. 從用戶行為來看，你需要模擬一個欺詐活動，你會如何解決這個問題?這是可能是一個異常檢測問題或分類問題!
16. 決策樹和隨機(jī)森林，你更喜歡哪一個?
17. 邏輯回歸和隨機(jī)森林有什么區(qū)別?
18. 你會用決策樹還是隨機(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，或者是對這個領(lǐng)域的發(fā)展了解的并不多。

[[227304]]

公司七：全球性商業(yè)管理公司(面試時長：25-30min)

1. 在不平衡數(shù)據(jù)集中，你會選擇什么模型：隨機(jī)森林還是Boosting?為什么?
2. 你所了解的Boosting技術(shù)有哪些?
3. 采用監(jiān)督學(xué)習(xí)解決分類問題，你會選擇哪個模型?假設(shè)有 40-50個分類!
4. 你怎樣使用合奏(Ensemble)技術(shù)?
5. 簡述支持向量機(jī)(SVM)的工作原理。
6. 什么是Kernel?簡單介紹一下。
7. 如何實(shí)現(xiàn)非線性回歸?
8. 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)真對待。但是問題問的很不錯。我面試的職位是要帶領(lǐng)一個十五六人的團(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的薪資。

公司八：成立4年的生產(chǎn)和服務(wù)型公司(60分鐘)

1. 你在簡歷上提到曾經(jīng)做過演講中的發(fā)音識別，具體來講講你的實(shí)現(xiàn)方法是什么?
2. 什么是梅爾頻率倒譜(MFCCs)?
3. 什么是高斯混合模型，它是如何完成聚類的?
4. 如何實(shí)現(xiàn)期望最大化?講講其實(shí)現(xiàn)步驟。
5. GMM模型中的概率如何計(jì)算?
6. 在進(jìn)行發(fā)音識別時，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-vector技術(shù) 。
8. 在分析語境時，主要因素是什么?
9. JFA和I-vector的區(qū)別是什么?為什么選擇I-vector而不是JFA?
10. 你有沒有用過PLDA I-vector技術(shù)嗎?
11. 有沒有讀過百度的Deep Speaker論文?
12. 如果有兩個模型可供你選擇，你選擇的依據(jù)是什么?(考察模型選擇的技術(shù))
13. 簡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。
14. 貝葉斯信息度量和赤池信息量的工作原理是什么?
15. 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?
16. 如何進(jìn)行語音辨識?有什么特點(diǎn)?
17. 你的分類器是語音和音樂的分類器，還是語音和非語音的分類器?
18. 深度神經(jīng)網(wǎng)絡(luò)是如何應(yīng)用在語音分析中的?

體驗(yàn)：是的，你可能會驚訝這都是些什么問題。巧合的是，我們兩個人的研究領(lǐng)域都是語音分析(尤其是發(fā)音識別)。所以整個面試過程一直在圍繞語音分析進(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。

[[227305]]

一些建議

在這整個求職過程中，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：

1. 簡歷很重要。一定要在簡歷中寫清楚你參加過的項(xiàng)目、Kaggle競賽、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。你的簡歷是打動HR和面試官的利器。
2. 自信心和熱情是成功的一半。參加面試時一定要自信，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)的公司時尤為重要)。
3. 不要過于急著回答面試官提出的問題。花些時間組織好答案再回答，如果對問題有不理解的地方，一定要請教面試官。還有就是在面試時一定要冷靜!
4. 在解釋概念時一定要恰當(dāng)?shù)谋憩F(xiàn)自己。舉幾個你已經(jīng)實(shí)現(xiàn)過的項(xiàng)目，并且一定要熟悉簡歷中提到的熟練技能和做過的項(xiàng)目。
5. 大多數(shù)情況下，面試官都是在尋找這個領(lǐng)域內(nèi)有經(jīng)驗(yàn)的技術(shù)人才。如果你在這個領(lǐng)域還是一個新手，在創(chuàng)建簡歷時可以從自己做過的項(xiàng)目開始。你的GitHub賬號也很有說服力。除此之外，還可以多參加Kaggle競賽和MOOC課程。
6. 面對面試官的時候，一定要謙虛，注意傾聽面試官的意見，否則你就會被拒之門外。有的時候，使用R語言和Python語言的人會相互鄙視，你最好不要陷入這種爭論當(dāng)中，否則也容易被拒。我個人認(rèn)為R語言和Python語言都是實(shí)現(xiàn)邏輯和概念的工具。

最后，祝大家面試成功!