可怕的機(jī)器學(xué)習(xí)面試。你覺得自己什么都懂，直到你進(jìn)行了測試!但一切可以得到改變。

在過去的幾個(gè)月里，我面試了許多公司涉及數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的初級(jí)職位。介紹一下我自己，以讓你對(duì)我有一定了解。我還有最后幾個(gè)月就研究生畢業(yè)，我的碩士是機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺，我之前的大部分經(jīng)驗(yàn)是研究/學(xué)術(shù)，但在一個(gè)早期創(chuàng)業(yè)公司待過8個(gè)月(與機(jī)器學(xué)習(xí)無關(guān))。這些角色包括數(shù)據(jù)科學(xué)、通用機(jī)器學(xué)習(xí)和專精自然語言處理及計(jì)算機(jī)視覺。我面試過亞馬遜、特斯拉、三星、優(yōu)步、華為等大公司，也面試過很多從初創(chuàng)階段到資金雄厚的初創(chuàng)公司。

今天我將和大家分享我被問到過的所有面試問題以及如何應(yīng)答這些問題。許多問題都是很常見的理論，但許多其他問題相當(dāng)有創(chuàng)意。我將簡單地列出最常見的一些問題，因?yàn)榫W(wǎng)上有很多關(guān)于它們的資源，并將更深入地介紹一些不太常見和更刁鉆的問題。我希望通過閱讀這篇文章，你可以在機(jī)器學(xué)習(xí)面試中取得好成績，找到你夢想的工作!

讓我們開始吧：

偏差和方差之間的協(xié)調(diào)是什么?

什么是梯度下降?

解釋過擬合和欠擬合以及如何與之對(duì)抗?

你如何對(duì)抗維度的詛咒?

什么是正則化，我們?yōu)槭裁匆�使用它，并給出一些常見方法的例子?

解釋主成分分析法 (PCA)?

為什么在神經(jīng)網(wǎng)絡(luò)中ReLU比Sigmoid更好更常用 ?

什么是數(shù)據(jù)標(biāo)準(zhǔn)化，我們?yōu)槭裁葱枰��? 我覺得很有必要強(qiáng)調(diào)這一題。數(shù)據(jù)標(biāo)準(zhǔn)化是非常重要的預(yù)處理步驟，用于對(duì)數(shù)值進(jìn)行調(diào)節(jié)，使其擬合特定的范圍，以確保在反向傳播過程中更好地收斂。一般來說，這可以歸結(jié)為減去每個(gè)數(shù)據(jù)點(diǎn)的均值，再除以其標(biāo)準(zhǔn)差。如果我們不這樣做，那么一些特征(那些高量級(jí)的)將在成本函數(shù)中得到更多的權(quán)重(如果一個(gè)高量級(jí)的特征變化了1%，那么這個(gè)變化是相當(dāng)大的，但是對(duì)于較小量級(jí)的特征來說，它是相當(dāng)小的)。數(shù)據(jù)標(biāo)準(zhǔn)化使得所有特征的權(quán)重相等。

解釋降維，在哪里會(huì)用到以及它的好處? 降維是通過減少所考慮的特征變量數(shù)量來得到一組主變量(也就是重要特征)的過程。特性的重要性取決于特征變量對(duì)數(shù)據(jù)信息表示的貢獻(xiàn)，并取決于你使用哪種技術(shù)。決定使用哪種技術(shù)取決于反復(fù)試驗(yàn)和偏好。通常從線性技術(shù)開始，當(dāng)結(jié)果不擬合時(shí)，就轉(zhuǎn)向非線性技術(shù)。數(shù)據(jù)集降維的潛在好處有：(1)減少所需存儲(chǔ)空間 (2)加速計(jì)算(例如在機(jī)器學(xué)習(xí)算法)，維度低意味著更少的計(jì)算，維度低也意味著可以使用不適合高維度的算法 (3)刪除冗余特征，例如沒有意義同時(shí)用平方米和平方英里來存儲(chǔ)地形的大小(可能是數(shù)據(jù)采集存在缺陷) (4)降低數(shù)據(jù)維度到2D或3D可能允許我們繪圖和可視化它們，如觀察模式，給我們深刻見解 (5)太多的特征或太復(fù)雜的模型可能導(dǎo)致過度擬合。

如何處理數(shù)據(jù)集中丟失或損壞的數(shù)據(jù)? 你可以在數(shù)據(jù)集中找到丟失/損壞的數(shù)據(jù)，你可以刪除這些行或列，或者用另一個(gè)值替換它們。在Pandas中，有兩個(gè)非常有用的方法:isnull()和dropna()，它們將幫助您找到丟失或損壞數(shù)據(jù)的數(shù)據(jù)列，并刪除這些值。如果希望用占位符值(例如0)填充無效值，可以使用fillna()方法。

解釋這種聚類算法? 我寫了一篇很受歡迎的文章，是關(guān)于數(shù)據(jù)科學(xué)家需要知道的5種聚類算法，用各種可視化圖形詳細(xì)解釋了每種算法。

你將如何進(jìn)行探索性數(shù)據(jù)分析(EDA)? EDA的目標(biāo)是在應(yīng)用預(yù)測模型之前從數(shù)據(jù)中收集一些見解，也就是獲得一些信息�；�本上，你希望以一種從粗到細(xì)的方式進(jìn)行EDA。我們從獲得一些高層次的全局見解開始�？纯匆恍┎黄胶獾念��？纯疵總�(gè)類的均值和方差。查看前幾行，看看它是關(guān)于什么的。運(yùn)行Pandas df.info()來查看哪些特性是連續(xù)的、分類的、它們的類型(int、float、string)。接下來，刪除在分析和預(yù)測中不無用的列。這些可能是看起來無用的列，其中一個(gè)是許多行具有相同的值(即該列沒有給我們很多信息)，或者它丟失了很多值。我們還可以用該列中最常見的值或中值填充缺失的值�，F(xiàn)在我們可以開始做一些基本的可視化。從高層次的東西開始。為特征是分類和有少數(shù)組的做一些條形圖。最后類的條形圖�？纯醋�“寬泛的特征”。對(duì)這些單獨(dú)的特征創(chuàng)建一些可視化，以嘗試獲得一些基本見解�，F(xiàn)在我們可以開始更具體的。在兩個(gè)或三個(gè)特性之間創(chuàng)建可視化。特性是如何相互關(guān)聯(lián)的?你還可以用PCA查看哪些特征包含最多的信息。將一些特性組合在一起，看看它們之間的關(guān)系。例如，當(dāng)A = 0和B = 0時(shí)，類會(huì)發(fā)生什么?當(dāng)A = 1，B = 0時(shí)呢?比較不同的特征。例如，如果特征A可以是“女性”或“男性”，那么我們可以將特征A與他們呆在哪個(gè)小屋相對(duì)照，看看男性和女性是否住在不同的小屋。除了條形圖、散點(diǎn)圖和其他基本圖外，我們還可以繪制PDF/CDF、重疊圖等。查看一些統(tǒng)計(jì)數(shù)據(jù)，如分布、p值等。最后，是時(shí)候創(chuàng)建ML模型了。從簡單的貝葉斯和線性回歸開始。如果你發(fā)現(xiàn)很糟糕或者數(shù)據(jù)是高度非線性的，那就使用多項(xiàng)式回歸、決策樹或者SVMs�？梢愿鶕�(jù)EDA中特征的重要性選擇它們。如果你有很多數(shù)據(jù)，你可以使用神經(jīng)網(wǎng)絡(luò)。檢查ROC曲線。精度、回憶 。

你如何知道應(yīng)該使用哪種機(jī)器學(xué)習(xí)模型?雖然人們應(yīng)該時(shí)刻牢記“天下沒有免費(fèi)的午餐”，但還是有一些基本原則的。我在這里寫了一篇關(guān)于如何選擇合適的回歸模型的文章。這個(gè)備忘單也很棒!

為什么我們對(duì)圖像使用卷積而不僅僅是FC層?這個(gè)問題很有趣，因?yàn)楣�司通常不�?huì)問這個(gè)問題。正如你所料，我從一家專注于計(jì)算機(jī)視覺的公司得到了這個(gè)問題。這個(gè)答案有兩部分。首先，卷積保存、編碼并實(shí)際使用了圖像中的空間信息。如果我們只使用FC層，就不會(huì)有相關(guān)的空間信息。其次，卷積神經(jīng)網(wǎng)絡(luò)(CNNs)具有部分內(nèi)建的平移方差，因?yàn)槊總�(gè)卷積核都充當(dāng)自己的濾波器/特征檢測器。

什么使CNNs不受平移影響?如上所述，每個(gè)卷積核都充當(dāng)自己的濾波器/特征檢測器。假設(shè)你在做物體檢測，物體在圖像中的什么位置并不重要因?yàn)槲覀円�以滑�?dòng)窗口的方式對(duì)整個(gè)圖像進(jìn)行卷積。

為什么分類CNNs 有最大池化?正如你所預(yù)料的，這是為了計(jì)算機(jī)視覺中的一個(gè)角色。CNN中的最大池化允許你減少計(jì)算，因?yàn)槟愕奶卣鲌D在池化之后更小。你不會(huì)丟失太多的語義信息，因?yàn)槟阏�在進(jìn)行最大限度的激活。也有一種理論認(rèn)為，最大池效應(yīng)在一定程度上增加了CNNs的不受平移影響性�？纯磪嵌鬟_(dá)關(guān)于最大池化的好處視頻。

為什么分段CNNs通常具有編碼器-解碼器風(fēng)格/結(jié)構(gòu)?編碼器CNN基本上可以被認(rèn)為是一個(gè)特征提取網(wǎng)絡(luò)，而解碼器利用這些信息通過“解碼”特征并向上放大到原始圖像大小來預(yù)測圖像的片段。

什么是批量標(biāo)準(zhǔn)化，它為什么有效? 深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是復(fù)雜的，因?yàn)槊恳粚拥妮斎敕植荚谟?xùn)練過程中會(huì)隨著前一層參數(shù)的變化而變化。批量標(biāo)準(zhǔn)化的目的是使每一層的輸入標(biāo)準(zhǔn)化，使它們的平均輸出激活為0，標(biāo)準(zhǔn)偏差為1。每一層中的每一個(gè)小批都會(huì)進(jìn)行處理，即單獨(dú)計(jì)算小批的均值和方差，然后標(biāo)準(zhǔn)化。這類似于網(wǎng)絡(luò)輸入的標(biāo)準(zhǔn)化。這有什么幫助呢?我們知道對(duì)網(wǎng)絡(luò)輸入進(jìn)行標(biāo)準(zhǔn)化有助于其學(xué)習(xí)。但是網(wǎng)絡(luò)只是一系列層，其中一層的輸出成為下一層的輸入。這意味著我們可以把神經(jīng)網(wǎng)絡(luò)中的任何一層看作是更小的后續(xù)網(wǎng)絡(luò)的第一層。我們將神經(jīng)網(wǎng)絡(luò)看作是一系列相互饋入的神經(jīng)網(wǎng)絡(luò)，在應(yīng)用激活函數(shù)之前對(duì)一層的輸出進(jìn)行標(biāo)準(zhǔn)化，然后將其饋入下一層(子網(wǎng)絡(luò))。

如何處理不平衡的數(shù)據(jù)集?我有一篇關(guān)于這個(gè)的文章!

為什么要使用很多小的卷積核，比如3x3，而不是幾個(gè)大的?這在VGGNet的論文中得到了很好的解釋。有兩個(gè)原因：首先，你可以使用幾個(gè)較小的內(nèi)核而不是幾個(gè)較大的內(nèi)核來獲得相同的接收域并捕獲更多的空間信息，但是使用較小的內(nèi)核可以使用較少的參數(shù)和計(jì)算。其次，因?yàn)槭褂酶�小的�?nèi)核，你將使用更多的過濾器，使用更多的激活函數(shù)，因此CNN將學(xué)習(xí)到更有鑒別性的映射函數(shù)。

你還有其他相關(guān)的項(xiàng)目嗎?在這里，你將真正在你的研究和他們的業(yè)務(wù)之間建立聯(lián)系。你有沒有做過什么事或?qū)W過什么技能，可能與他們的業(yè)務(wù)或你申請(qǐng)的職位有關(guān)? 不必是100%相關(guān)，只是某種程度上相關(guān)，這樣你就可以證明你能夠直接為公司增加很多價(jià)值。

解釋一下你目前的碩士研究?什么成功了?沒有失敗了?未來的發(fā)展方向?和上一個(gè)問題一樣!

 

 

結(jié)論

這就是所有我在申請(qǐng)數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)職位時(shí)得到的面試問題。我希望你喜歡這篇文章，并學(xué)到一些新的、有用的東西!如果你覺得學(xué)到點(diǎn)什么，請(qǐng)點(diǎn)贊!

原標(biāo)題 ：Data Science and Machine Learning Interview Questions

作者 ：George Seif

翻譯 ： Disillusion

原文鏈接：

https://towardsdatascience.com/data-science-and-machine-learning-interview-questions-3f6207cf040b

標(biāo)簽： 數(shù)據(jù)分析 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。