浅谈ML Design推荐系统面试心得, ask me anything

cobbjixu 发表于 2019-3-9 04:27
推荐系统最好还是把retrieval和ranking分开讨论，除非题目是只是设计ranking. 一个非常好的例子就是Youtube ...

good point
一般时间比较紧迫不可能面面俱到
比较好的方式是给出多个option，比如你说的retrieval vs ranking, 或者exploring vs exploiting看看面试官更想听什么方向，因为面试官要顾及话题的深度。

albeehere 发表于 2019-3-9 05:13
请问mle要刷多少题？狗和脸都是跟普通sde一样要求吗？

算法轮的要求是一样的
刷多少题看个人吧，要考虑刷题的深度和广度
FYI我刷了267道(78 easy + 143 medium + 46 hard)

想请问楼主做的"推荐系统" 用的是decision tree 或者 random forest等等吗， 而不是用Convolutional Neural Network 吗? 平时的工作有没有需要change hyperparameter呢， 而且code是用C++, Python, Java还是其他呢?

Terminator-6 发表于 2019-3-9 05:42
感谢楼主对ML Design的详细介绍！另外想问，楼主应该是统计背景的Data Scientist，System Design部分是怎么 ...

我是看了bittiger的一些公开视频准备的，大概看了6,7个吧
FB E4级别的MLE会考System Design, 但朋友跟我说除非这个是个strong no hire否则一般对申请没什么影响，差不多可以了，不是准备的重点

zhaandong 发表于 2019-3-9 05:47
请问楼主, fb的system design这个环节怎么准备才好呢？有什么心得体会吗？

我是看了bittiger的一些公开视频准备的，大概看了6,7个吧
FB E4级别的MLE会考System Design, 但朋友跟我说除非这个是个strong no hire否则一般对申请没什么影响，差不多可以了，不是准备的重点

hengde12 发表于 2019-3-9 06:26
想请问楼主做的"推荐系统" 用的是decision tree 或者 random forest等等吗， 而不是用Convolutional Neural ...

当你把这个问题转成classification/regression问题的时候
其实用rf, gdbt, lasso, cnn已经没什么区别了
区别在于你一开始怎么format这个问题，建议看看matrix factorization模型的推荐系统，你会发现在model问题时候角度就和上面几个完全不一样

hyperparameter除非deep learning，其它基本是要靠cv tune的，这也是被问的重点，一般randomized grid search cv也够了，如果答出bayesian optimization那是要加分的

code的话大部分都是Python吧，除非明说，否则不会require你用C++

hengde12 发表于 2019-3-9 06:26
想请问楼主做的"推荐系统" 用的是decision tree 或者 random forest等等吗， 而不是用Convolutional Neural ...

当你把这个问题转成classification/regression问题的时候
其实用rf, gdbt, lasso, cnn已经没什么区别了
区别在于你一开始怎么format这个问题，建议看看matrix factorization模型的推荐系统，你会发现在model问题时候角度就和上面几个完全不一样

hyperparameter除非deep learning，其它基本是要靠cv tune的，这也是被问的重点，一般randomized grid search cv也够了，如果答出bayesian optimization那是要加分的

code的话大部分都是Python吧，除非明说，否则不会require你用C++

感谢楼主分享！请问ml轮还问基础知识细节么，还是主要是设计？

非常感谢楼主长文，收获很多，尤其是面试方面特别有启发。
想问一下平时楼主平时工作内容有哪些，比如算法、data pipeline这些工作的比例是怎么样的？

想请教一下楼主，之前的data scientist经历和现在mle有大致的什么区别？
楼主业余大概准备了多长时间开始面？跳槽有什么时间线上的建议吗？我最近也准备跳mle。
谢谢啦