Creo que sería difícil prepararse para “cualquier” entrevista de aprendizaje automático sin años de estudio porque el aprendizaje automático es un campo amplio. Sería mucho más eficiente seleccionar un área específica de aprendizaje automático (como aprendizaje profundo o aprendizaje de refuerzo o agrupamiento) y concentrarse en aprobar cualquier entrevista en esa área.
Si desea poder aprobar cualquier entrevista de aprendizaje automático, una opción sería obtener un título como una maestría en aprendizaje automático. Un doctorado será bastante limitado, y es poco probable que obtenga mucho de los años de investigación independiente que se generalizaría en muchas áreas del aprendizaje automático. Por lo tanto, puede inscribirse en dicho programa de maestría o encontrar programas de estudios de posgrado en ML y materiales de estudio sobre dichos programas.
También querrá obtener experiencia en el mundo real con los métodos descritos en los libros y documentos, ya que las entrevistas de ML a menudo implican alguna discusión sobre sus proyectos.
- ¿Debo usar la validación cruzada k-fold para un clasificador de bosque aleatorio?
- ¿Cuáles son las probabilidades de ingresar a un programa de posgrado de aprendizaje automático en una escuela superior si mi experiencia en investigación es en bioinformática y algo de experiencia en investigación en PNL?
- En Machine Learning: ¿por qué siempre entrenamos una muestra en lugar de todo el conjunto de datos / base de datos?
- ¿Crees que la tecnología 'block chain' es la próxima gran novedad en informática?
- ¿Qué es un "conjunto típico" en la estimación de densidad de probabilidad para la inferencia bayesiana?
Finalmente, necesitarías estar muy cómodo con la probabilidad y las estadísticas. Con suerte, esto vendría de los cursos de MS, pero también ayudaría haber tomado al menos un curso de probabilidad completa para ser introducido a la intuición probabilística y un curso completo de estadística para ser introducido al pensamiento estadístico.
Para responder subpreguntas en su pregunta original:
¿Qué tipo de preguntas esperar?
Solo estoy inventando esto, pero creo que también son bastante estándar:
- derivar la ecuación de actualización para regresión lineal
- ¿Cómo manejas las variables categóricas con regresión lineal?
- explicar la regresión logística
- dígame cómo usted (como científico de datos en Foursquare) podría descubrir en qué restaurante se encuentra una persona dado su lat / long.
- dime que es EM
- no, en serio, ¿qué objetivo está maximizando EM?
- ¿Cómo haría la selección de características en tal o cual proyecto?
- ¿Qué haces cuando tus datos tienen valores faltantes / incorrectos?
- cuéntame sobre tal o cual proyecto en tu currículum
- ¿Por qué es importante la convexidad para el aprendizaje de algoritmos?
¿Qué tipo de proyectos paralelos relevantes se verían bien cuando se agreguen en CV?
- un proyecto en el que tenía que recopilar los datos usted mismo, por ejemplo, eliminar comentarios de productos de un sitio web
- un proyecto en el que tenía que lidiar con datos faltantes o desordenados, por ejemplo, casos en los que algunas personas proporcionan su ubicación y otras no
- un proyecto en el que tenías que descubrir una “verdad fundamental” apropiada. tal vez fueron clics; tal vez fueron etiquetas humanas; tal vez fue un método sin supervisión
- un proyecto donde hay muchos lugares para aplicar el razonamiento estadístico, es decir, no solo una tabla plana de datos
- un proyecto donde la aplicación del aprendizaje automático está resolviendo un problema importante (puede usar ML en cualquier cosa; si es útil es otra pregunta), por ejemplo, predecir si las personas que describen síntomas en un foro médico eventualmente son diagnosticadas con una enfermedad.
