面试官如何判断面试者的机器学习水平？

正文

请到「今天看啥」查看全文

1、数据处理：如何处理缺失数据(missing value)? 各种处理方法有什么利弊？

2、数据处理：如何将描述变量(categorical variables)转为连续变量(continuous variables)?

• 如何处理有序变量？

• 如何处理无序变量？

3、数据处理：如何进行选择特征选择？如何进行数据压缩？

• 特征选择：包裹式，过滤式，嵌入式

• 数据压缩：主成分分析，自编码等

4、模型解释: 试解释什么是欠拟合与过拟合？如何应对这两种情况？

5、模型解释: 什么是偏差与方差分解(Bias Variance Decomposition)？与欠拟合和过拟合有什么联系？

6、评估模型一般有什么手段？

• 分类模型评估方法？

• 回归问题评估方法？

• 数据不均衡的评估方法？

7、深度学习是否比其他学习模型都好？为什么？

以如何处理缺失数据为例 ，可能的回答有：

• 分析缺失比例决定是否移除

• 用均值，众数，回归代替

• 用0代替等。

比如深度学习是否比别的模型好，我们就期待面试者能说“分情况讨论”，若是能提到“没有免费的午餐定理”更是加分。在这个阶段，我们不会深入追问，仅想对面试人的知识范围有一个了解。

这类问题的共性就是无论你是在校学生还是资深科学家都应该有一个基本的水准在， 不过没有必要百分之百的回答正确，因为本身很多答案都没有标准答案。大部分时候，这个环节我们对于是否录用这个人就已经有了答案。如果面试者答错或者不知道其中百分之八十的概念，录取的概率就很低了。

根据岗位和求职者背景进行深入挖掘

在经过上一阶段以后，我们已经对求职者的素养有了大概的判断，下一步就需要进行深入了解，一般根据两点进行追问:

• 面试者的背景： 如果有与岗位特别相关的工作经历，会深入询问。如果有高引用了的文章，也会让他讲一下他的研究。

• 所面试的岗位： 如果没有与岗位特别相关的经历，会根据岗位需求进行询问。

进入这个环节其实就已经没有模板了。假设我们现在要为保险公司招聘一个机器学习工程师来自动化"骗保检测"，我们的求职者是一位计算机系刚毕业的硕士生。那我们可能深入询问的话题包括:

请到「今天看啥」查看全文