机器学习 广度面试

ML广度面试

Machine Learning的面试相对于普通的软件工程师岗位相比有一点点的不一样：形式上会更多采用case study的方式；目的上会更侧重于考察候选人在ML领域的知识、技能和运用能力。这一篇我们重点来看一下ML的广度面试，以及如何更好地准备。

何为广度面试？

考察候选人的知识储备量，面对同一个问题，是否有不同的方法来应对不同的情况、场景，以及它们的trade off，nuance。例子：我们都知道Embedding Vector在很多场景下都非常有用，那么你是否能给出2～3个方法来生成Embedding Vector？它们的区别如何？你会怎么选择？

在广度面试（或者广度面试题）中，面试官会经常问“还有呢”，“如果这样..那么你会？“，“它们有什么不同？”“让你选择一个你会考虑哪些方面？”等等问题。

如何准备ML广度面试？

1. 锻炼发散性思维，多角度分析问题 很多时候不同的思考角度会自然而然地lead到不同的解决方案。
2. 多想，多储备 拿上文的例子来说，embedding vector究竟是什么？有什么用？如何才能得到？单独训练一个embedding模型或者在同一个模型中训练有何区别？
3. 在平时遇到任何一个task中的每一个环节，问问自己，还可以怎么做？

这些考察点在真实工作中有哪些运用？

Latency 要求是否严格对应feature的选择、模型架构设计;
是否有定义完善的线下metric对应不同的evaluation方式;
高/低维度特征对应的特种工程的不同方式;
真实数据的漂移对应的模型迭代方式;