目录:
机器学习面试题
机器学习工程师的面试将是非常技术性的，但这是您展示让您成为最佳候选人的机会。
准备好这些人工智能和机器学习面试问题以及如何回答它们。
面试者还可以使用此列表来构建一个揭示机器学习候选人能力的面试。您将学习他们的技术技能和进行批判性思考的能力。
机器学习面试中预期的问题。
Flickr
演算法
准备炫耀您对浅层学习算法的了解。除非您申请严格的数据科学家职位，否则面试官不会对算法问题有太多了解。但是您应该能够谈论输入以及最适合哪种应用程序的算法。
1.什么时候使用KNN（k个最近的邻居）？
KNN通常用于分类。它是机器学习中最简单，最常用的算法之一。
根据您的经验，您的答案可能会有所不同，但是在大多数情况下，如果将类和功能标记为，我会考虑使用KNN
2.描述SVM（支持向量机）如何工作。如何将SVM与非线性数据一起使用？
SVM创建一个超平面或决策边界，以根据新数据位于边界的哪一侧对输入数据进行分类。通过尽可能增加边界和数据点之间的边距来优化它们。
请记住，内核通常与SVM堆叠在一起。内核将非线性数据转换为线性数据，以便可以优化SVM。
框架和语言
面试官将想知道您使用了哪些语言和框架。他们还将使用这些问题来了解您将以多快的速度选择一个新的框架，以及您如何适应可用于人工智能的框架。
3.您为什么喜欢使用
履历表上的任何内容都是公平的游戏。特别是您在技能中列出的编程语言。因此，准备好谈论所有的来龙去脉。
如果真实的答案是您只使用该语言，因为那是他们在上一份工作中使用的语言，那就很好。只是准备从机器学习的角度谈论语言的优缺点。
4.告诉我您的使用经验
如果您熟悉公司使用的框架，这对您来说应该很容易。当然，如果您在简历中列出了它们，那么您应该可以谈论所有关于它们的信息。
如果您尚未使用该特定框架，则不一定会破坏交易。任何值得一试的软件工程师都应该能够适应新的框架，而无需花费大量的学习时间。职位描述可能会列出公司使用的一些主要平台。在面试开始之前对这些内容进行研究。
在研究新框架时应注意的一些方面：
- 它最能处理哪些任务？
- 优点/缺点是什么？
- 哪种语言可以很好地与框架交互？
您需要能够明智地谈论该环境。
如果该框架是开源的，请在您的个人计算机上进行尝试。您还可以参加一些价格合理的在线课程，这些课程将为您提供临时许可证。
建立神经网络
5.如果您的算法无法收敛，您将怎么办？
这是一个开放式的问题，对于从事机器学习的任何人来说都应该很容易。
降低学习率（alpha）是一个很好的第一步。作为面试官，我希望看到候选人描述一种更合乎逻辑的方法来查找alpha。尝试战略性的Alpha范围，并在迭代次数上绘制成本函数。
6.什么时候使用梯度下降与法线方程式？
您可能会询问优化算法的不同方法的优缺点。
请记住，正规方程不能与分类一起使用，因此此比较仅对回归很重要。当特征数量不是很大时，选择法线方程。与梯度下降相比，它有一个优势，因为您不必选择学习率或进行迭代。
如果有很多特征，则法线方程很慢，因此我将选择梯度下降。
在针对机器学习或人工智能职位的面试中，可能会提出有关构建神经网络的问题。
WikimediaCommons
评估模型（性能）
机器学习工程师的主要工作之一是优化神经网络并了解其性能。
7.为什么过度拟合不好，如何解决？
过度拟合是指算法非常适合训练数据，但确实能准确预测新情况的情况。显然，这很糟糕，因为它在现实世界中没有用。
描述一些可以改善过度拟合的方法。添加正则项并增加lambda可以产生良好的效果。减少特征数量或减少多项式的阶数是选项，但并非在每种情况下都是正确的选择。
8.您怎么知道您的模型是否良好？
这类似于上述问题，其中应聘者需要了解如何评估模型。
您可以解释如何将可用的训练数据分为训练数据，验证数据和测试数据以及它们各自的用途。我想听听候选人关于改变多项式度和lambda并比较验证数据中的错误的话题。
专案
来采访吧，准备讨论以前的项目。与任何面试一样，简历中的任何内容都是公平的游戏。
准备工作，学校或个人使用的项目组合。根据保密协议或机密作品，您可能会受到限制，因此请明确讨论的内容。
这是您可以期待的一些问题：
9.您最喜欢的机器学习项目是什么？
为了进行这次面试，您可能会选择与工作最相关的项目作为您的最爱。这将使您有机会突出您的相关经验。
如果您想讨论一下哪个人是您最喜欢的人，从而使招聘经理了解您是否会喜欢这个新职位，那也是个好主意。
10.告诉我您解决的一个棘手问题。
选择一个可以轻松描述的问题。很好地回答此问题的一部分表明，您可以向非技术人员描述复杂的机器学习问题。
当您描述解决方案时，除非您全力以赴，否则请不要相信。发挥团队的贡献将显示您是一个优秀的团队合作者。如果适用，请指出该问题对客户，进度和预算的影响。展示您的贡献如何为企业增加价值，而不仅仅是眼前的问题。
行为问题
不要忘记，面试很可能会包含行为问题。对于许多工程师和数据科学家来说，这是最困难的部分！我们花了很多时间来准备技术问题，但我们忘记了，这些问题也将由我们如何适应团队来评估。
下面是更重要的行为问题，因此您可以提前准备。对于要求您描述特定时间的问题，请使用STAR模型来概述您的答案。读