今年年初以來(lái)，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?xiě)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)?？偟膩?lái)說(shuō)，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(jué)）。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(guò)程中被問(wèn)到的問(wèn)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(guò)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(lèi)？

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(lèi)方案。

你如何閱讀掃描版pdf文件或圖像格式的書(shū)面文件的內(nèi)容？

樸素貝葉斯為什么被稱(chēng)為“樸素”？

請(qǐng)?jiān)敿?xì)介紹一下樸素貝葉斯分類(lèi)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(wèn)了一些問(wèn)題，但是都把我問(wèn)懵了，我完全不知道他想聽(tīng)到什么答案。我一直都想深入的聊一些技術(shù)層面的問(wèn)題，比如訓(xùn)練一個(gè) tesseract（一款由HP實(shí)驗(yàn)室開(kāi)發(fā)由Google維護(hù)的開(kāi)源OCR引擎）或語(yǔ)言模型，但是他似乎并不感興趣?；蛟S他只是想聽(tīng)到一些已經(jīng)實(shí)現(xiàn)的成果或者是一個(gè)好的解釋?zhuān)只蛘呤且恍└玫姆桨浮Ｎ腋杏X(jué)他們面試一個(gè)新手和面試一個(gè)有經(jīng)驗(yàn)的專(zhuān)業(yè)人員之間并沒(méi)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(wú)監(jiān)督學(xué)習(xí)中，如何進(jìn)行文件聚類(lèi)？

如何找到與某些查詢(xún)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(lái)看，TF-IDF技術(shù)在文件分類(lèi)或聚類(lèi)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(guò)什么數(shù)據(jù)結(jié)構(gòu)？

體驗(yàn)：整個(gè)面試過(guò)程都是圍繞著文本相似度提問(wèn)的，我都順利通過(guò)了。但是這次仍舊沒(méi)有更深層次的技術(shù)探討?；蛟S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(lèi)別的分類(lèi)問(wèn)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(méi)什么想法，但我嘗試用基于TF-IDF相似性的意圖和反饋來(lái)回答這個(gè)問(wèn)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(lái)對(duì)輸入的問(wèn)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(shuō)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(xiàn)性邊界。

體驗(yàn)：還有幾個(gè)問(wèn)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(xiàn) （ROC曲線(xiàn)）？ROC曲線(xiàn)下面積是什么意思？

如何為多類(lèi)別分類(lèi)任務(wù)繪制ROC曲線(xiàn)？

列舉多類(lèi)別分類(lèi)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(lèi)？

如何確定已經(jīng)學(xué)會(huì)了一個(gè)文本？沒(méi)有TF-IDF技術(shù)是不是不可能實(shí)現(xiàn)？（我回答說(shuō)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(lái)，或者是一維循環(huán)神經(jīng)網(wǎng)絡(luò)與word2vec結(jié)合起來(lái)，進(jìn)行分類(lèi)。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(xiàn)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(xiàn)性形狀？它學(xué)習(xí)非線(xiàn)性邊界的原因是什么？

體驗(yàn)：還有幾個(gè)很好的問(wèn)題我沒(méi)有記住。盡管整個(gè)面試過(guò)程很不錯(cuò)，但是我們?cè)谝恍﹩?wèn)題上看法并不一致。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(méi)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(shù)時(shí)，其參數(shù)是什么？

在決策樹(shù)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(shù)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(lái)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(wú)監(jiān)督學(xué)習(xí)？都有哪些算法？

如何定義K-Means聚類(lèi)算法中K的值？

列舉至少3中定義K-Means聚類(lèi)算法中K的方法。

除此之外你還知道哪些聚類(lèi)算法？

介紹一下DB-SCAM算法。

簡(jiǎn)述下分層凝聚聚類(lèi)（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(shuō)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(kāi)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(méi)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(méi)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(guò)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(shuō)出scikit-learn能夠?qū)崿F(xiàn)邏輯回歸的包的名稱(chēng)。

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(lèi)的方法有哪些？你會(huì)怎么做分類(lèi)？

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(shuō)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(wèn)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(lèi)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(hù)行為來(lái)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(wèn)題？這是可能是一個(gè)異常檢測(cè)問(wèn)題或分類(lèi)問(wèn)題！

決策樹(shù)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(shù)還是隨機(jī)森林來(lái)解決分類(lèi)問(wèn)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(jué)著這些問(wèn)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(wèn)題，但是我感覺(jué)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(lèi)問(wèn)題，你會(huì)選擇哪個(gè)模型？假設(shè)有 40-50個(gè)分類(lèi)！

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(xiàn)性回歸？

什么是Lasso回歸和Ridge回歸？

體驗(yàn)：說(shuō)實(shí)話(huà)，這次面試有點(diǎn)水，以至于我沒(méi)有認(rèn)真對(duì)待。但是問(wèn)題問(wèn)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(xún)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(guò)演講中的發(fā)音識(shí)別，具體來(lái)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(lèi)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玫腎-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(méi)有用過(guò)PLDA I-vector技術(shù)嗎？

有沒(méi)有讀過(guò)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(lèi)器是語(yǔ)音和音樂(lè)的分類(lèi)器，還是語(yǔ)音和非語(yǔ)音的分類(lèi)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(wèn)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(guò)程一直在圍繞語(yǔ)音分析進(jìn)行提問(wèn)。很顯然，面試官很專(zhuān)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(guò)程中，我大概和25-30位專(zhuān)業(yè)人士有過(guò)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(xiě)清楚你參加過(guò)的項(xiàng)目、Kaggle競(jìng)賽、獲得的MOOC課程證書(shū)或者論文。我就是在沒(méi)有任何推薦人推薦的情況下接到了亞馬遜的面試電話(huà)。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(guò)于急著回答面試官提出的問(wèn)題?；ㄐr(shí)間組織好答案再回答，如果對(duì)問(wèn)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(guò)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(guò)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(guò)的項(xiàng)目開(kāi)始。你的GitHub賬號(hào)也很有說(shuō)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(tīng)面試官的意見(jiàn)，否則你就會(huì)被拒之門(mén)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！