面试machine learning engineer怎样准备设计类的问题

楼主是从大气科学转CS**一名，PhD明年毕业，楼主主要想找machine learning engineer方向的full-time position， 大概今年9月就要找了。楼主在17年在FB实习过3个月，但是奈何楼主实力太弱，或者是遇到的project比较虐（主要的困难是，楼主要run一个model，但是那个model没有楼主需要的功能，楼主要自己改，看不懂啊，木有注释，一个model感觉有5000行+，而且动不动就7，8层import；以及楼主要另外写一个wrapper，将那个model跑的结果拿去做一些楼主自定义的a

您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

这个问题”的面试，该怎样准备呢？有没有一些这类问题的集锦呢？我感觉这种问题想上50道应该就能触类旁通了。大家面试的时候遇到这类问题多吗，可不可以分享一下？

最后一个小问题，SQL要不要准备？（感觉好像data scientist都要准备SQL吧，machine learning engineer应该不用吧？怯怯地问一下）

machine learning design的问题一般都是问设计一个推荐系统，广告排序，还有一般的监督学习的系统。所以准备起来要了解各类的推荐系统的优缺点，以及最新的embeding的方法, 可以看一下这个博客，https://medium.com/the-graph/applying-deep-learning-to-related-pins-a6fee3c92f5e。
现在为止，面的两家pinterest和facebook都是围绕着推荐系统展开的，中间会问到各种小问题，比如feature提取，model不够好怎么办。
另外ML的问题，建议最好按照sd一样，按照逻辑点进行回答。
1. 厘清问题，该问题属于什么类型的machine learning问题，比如监督性学习，比如推荐系统。
2. 明确输出目标，明白该问题的目标是什么
3. 数据收集，了解一下都有哪些数据可以给我们利用
4. 数据特征提取，把你想到的特征进行分类，都有哪些domain的特征可以进行提取。
5. 模型，有哪些模型可以使用，然后点出各个模型的优缺点是哪些
6. 评估，你怎么进行模型的评估好坏，评价指标是什么，还有怎么改进。
7. 画出框图，然后进行优化。

非常感谢你的FB面经！我也答不上这个问题，但瞎扯一下其他角度，希望有用。
"FB给用户推送广告，有的用户在电脑上看了一次，在iPad上有可能又看了第二次，在手机上可能又看了一次，怎样统计unique的广告观看人数？假设看广告的人有一些不是FB用户，他们是从与FB有合作的其他各种网站上看的广告，又该怎么估算？"
我觉得这个问题很好的说明了一个ML工作很重要的特质，如何收集和预处理你的数据，可能占据你绝大部分时间。通常我们在学习ML时，或者KAGGLE时，都是给你一段非常clean的数据，所以算法上很难区分出ML经验。我在金融行业做quant model时，金融数据已经比公司自有数据质量好太多了，依然有很多问题，比如OTC股票的报表数据点残缺不全再常见不过。Interpolate or estimate with group mean/median, sampling, filtering, winsorize/normalize outlier，都是常见的做法。
楼主更想是了解一个系统的学习这类知识的途径。我一下想不到有，ML版的leetcode还没有出现，没法通过刷题实现。某种程度是个好事，你的求职competitors也没有办法刷题。现在要找工作，要去刷LC 800+多道题的题库，因为自己不刷，别人去刷了，水涨船高，FLAG的胃口挑剔了。你自己学习总结出来的东西，不会轻易被别人拿走。
我也在面MLE，我打算把几个大公司的技术博客给看看，看看他们都是怎么用ML/AI解决实际问题的。FB， airbnb, google，都有不错的博客，国内美团技术博客做得很好很细致。

macgg426552 发表于 2018-6-8 12:11
这个链接404了，能不能麻烦你再发一下，我很想学习学习的。

不好意思 去掉句号就好了。
https://medium.com/the-graph/app ... d-pins-a6fee3c92f5e

我个人的经历是SQL 一般不会细问。当然这只是一个数据点。

perfectionism 发表于 2018-5-2 11:44
我个人的经历是SQL 一般不会细问。当然这只是一个数据点。

我实习的时候用过hive，不过都是当时查当时用，用完就忘，所以当场写的话，如果不准备估计做不到。

马克一下....虽然是小硕也想试试ML岗位....

关注一下，同求经验

MLE 应该也是刷题(不需要hard)和system design。

ds面试还要要考虑考虑case怎么show啊之类的，然后多做点统计概率题...ds面的东西实在太广了...还是sde好....

持续关注

liqing911001 发表于 2018-5-31 02:58
machine learning design的问题一般都是问设计一个推荐系统，广告排序，还有一般的监督学习的系统。所以准 ...

非常感谢你的回复，受益匪浅！