编者按：本文作者Abhijeet Kumar是一名有着五年机器学习和数据科学工作经验的从业者。从今年年初开始，他开始在印度的数据科学、机器学习或深度学习领域找工作。在为期30—40天的求职过程中，他面试了8—10家公司，其中不仅包括刚成立一年的创业公司，也有亚马逊这种电商巨头。Kumar把每家公司的面试题记录下来，为各位求职者提供经验。以下是论智的编译。
先介绍一下我自己，我有过4年以上机器学习的工作经验，主要工作内容有话语分析、文本分析和图像分析。我认为该领域最稀缺的人才是NLP专业，然后是图像分析（CV），主要进行话语或音频分析的较少。有了五年的工作经验后，我的目标是中高层职位，可以带领一个数据或机器学习团队做一些有趣的研究。以下是我在面试过程中遇到的各种技术性问题，供大家参考。
全球服务性公司之一（20—25分钟）
请问你在搭建文档挖掘系统的过程中，做了哪些工作？
假设给你数TB的数据文件，其中包含PDF、文本文件、图像、扫描的PDF文件等等。你将如何对其分类？
你如何阅读扫描的PDF或书面文件？
为什么朴素贝叶斯被称为“朴素”？
详细谈谈朴素贝叶斯分类器？
什么是深度学习？机器学习和深度学习的区别在哪里？
除此之外还有一些类似的问题，但是我对它们有些一头雾水，完全不知道面试官想听到什么样的答案。我一直想探讨更深层次的技术层面的东西，但是他们一直没有聊到这方面。而且当我扯起模型训练、tesseract或者语言模型时，他们似乎完全不吃这一套。也许他们想听到的是现成的成果，或是很简单的解释。这跟我五年前第一次面试的感觉非常相似。
全球服务型公司之二（40—45分钟）
你如何能在无监督的方式下收集文件？
你如何找到与某些查询问题相关的文件？
解释一下TF-IDF。
根据我的经验，TF-IDF在文档分类或收集方面失败了，你今后会怎么改善？
什么是LSTM神经网络？解释一下它是如何工作的。
什么是word2vec向量？
Python中可变和不可变对象是什么意思？
你在Python中使用什么数据结构？
虽然有几个问题是围绕文本相似度的，但我都顺利回答出来了。不过这次和上次一样，仍然没有深层次技术上的探讨，或许是考虑到公司有几个关于文本分析的小项目，他们最终还是向我发出了offer。
全球生产和服务公司（40分钟）
在不平衡的数据集中，你如何处理多类别的分类问题？
你是如何从文本句子中进行语言识别的？
你如何表示中文或日文中的象形文字？
该如何设计一个聊天机器人？（在这一点上我没有太多想法）
输入一对问题和回答，我能用RNN设计一个聊天机器人吗？
假设我用Reddit上的数据集和RNN或LSTM创建了一个聊天机器人，它给了我10个备选回复，我如何才能选择最佳的那个？或者说，我如何删除其他的回复？
解释一下SVM是如何学习非线性边界的？
除此之外还有几个问题我记不清了，不过这是目前为止第一个问技术性问题的公司，我感到非常欣慰。最后这家公司也向我发了offer。
成立一年的医疗健康公司（50分钟）
精确率（precision）和召回率（recall）是什么？在医学诊断中，你认为哪个更重要？
对精确率和召回率分别进行定义。
你如何绘制ROC曲线？ROC曲线下面积表示什么？
在多类别分类任务中你如何绘制ROC曲线？
除此之外，还有哪些评估多类别分类任务结果的方法？
灵敏度（sensitivity）和特异度（specificity）是什么？
随机森林中的“随机”指什么？
你如何进行文本分类？
在没有TF-IDF的情况下，你如何确定自己学会了文本？
你还能用机器学习做些什么？
当神经网络由线性节点构成时，它如何学习非线性形状？它如何学会非线性边界？
除此之外还有几个不错的问题。尽管面试过程感觉不错，但是在某些问题上我们未能达成一致。而且在面试过程中，我发现公司只有2—3人专注于ML/DL/DS。
亚马逊（50—55分钟）
训练决策树时的参数是什么？
在决策树的节点处分割的标准是什么？
基尼系数的公式是什么？
熵的公式是什么？
决策树如何决定在哪个特征处分割？
-
你如何用数学计算收集来的信息？你确定吗？
随机森林的优点有哪些？
介绍一下boosting算法。
gradient boosting如何工作？
关于AdaBoost算法，你了解多少？它如何工作？
SVM中用到了哪些核？SVM中的优化技术有哪些？
SVM如何学习超平面？用数学方法详细解释一下。
介绍一下无监督学习，算法有哪些？
在K-Means聚类算法中，如何定义K？
告诉我至少3中定义K的方法。
除此之外你还知道哪些聚类算法？
谈谈DB-SCAM算法。
阶层聚合式分类法（Hierarchical Agglomerative clustering）是如何工作的？
解释一下PCA，使用PCA时有哪些数学步骤。
使用PCA有哪些缺点？
CNN如何工作？详细说一下使用细节。
解释一下CNN中的反向传播。
你如何部署机器学习模型？
大多时候，我们可能需要用C++从零开始搭建机器学习模型，你能做吗？
我面试的是亚马逊level 6的职位。我只能说，他们主要的关注点在算法和背后的数学上。不幸的是，我的面试都是即兴的，并没有准备数学方面的知识，我只说了我所记得的所有东西。不过面试官并不认为我适合level 6的工作。我相信只要你能记住通用的机器学习算法的数学细节，就能轻易地通过亚马逊技术轮面试。
全球服务型巨头（50—55分钟）
S函数的范围是什么？
scikit-learn的哪个安装包能实现逻辑回归？
标准正态分布的平均数和变量是什么？
你在Python中用什么数据结构？
文本分类的方法有什么，你都怎样做？
解释一下TF-IDF，它的缺点有什么？你怎么克服？
bigrams和trigrams是什么？用带有文本句子的例子解释一下bigram和trigram的TF-IDF。
word2vec有哪些应用，举个例子？
你会怎样设计一个神经网络？怎样把它变深？
LSTM是如何工作的？它是怎么记住文本的？
什么是朴素贝叶斯分类器？
抛10次硬币，4次是正面的概率有多大？
如何获取Python中列表元素的索引？
如果用pandas合并两个数据集？
从用户角度出发，你需要模拟欺诈活动，你会如何解决这个问题？
你更喜欢决策树还是随机森林？
使用逻辑回归和随机森林有什么区别？
在分类问题上，你会用决策树还是随机森林？用随机森林有什么优点？
最终这家公司向我发放了数据科学岗位的offer。事实上，我非常享受这次的技术性交流。你可能会觉得这些问题也是最基础的机器学习和数据科学问题。不过在面试过程中我感到面试官可能不是这一领域的，或者对现在的发展了解的不多。
全球商业管理公司（25—30分钟）
在不平衡的数据集中，你会选择什么模型：随机森林还是boosting？为什么？
你了解的boosting技术有哪些？
-
用监督学习的方法进行分类问题，你会选择哪个模型？（大约40—50个类别）
你如何使用集成技术？
SVM如何工作的？
什么是Kernel？简单介绍一下。
如何执行非线性回归？
Lasso回归和Ridge回归是什么？
说实话，这次面试有点水，以至于我没有认真对待。不过问题还是不错的。我面试的是领导一个15—16人的团队，在这之后是经理面试和HR面试。最终他们给我提供了咨询岗位以及不错的薪水。
成立4年的生产和服务型公司（60分钟）
简历上说，你曾做过用语音识别演讲者，具体方法是什么？
什么是MFCCs？
高斯混合模型是什么，它是如何完成聚类的？
如何实现期望最大化？其中的步骤是什么？
GMM中的概率如何计算？
在对演讲者进行识别时，你是如何为GMM-UBM技术执行MAP调整的？
谈谈你所用的I-向量技术。
语境中的分析因素是什么？
JFA和I-向量的区别是什么？为什么选择I-向量而不选JFA？
你用过PLDA I-向量技术吗？
你读过百度的有关Deep Speaker的论文吗？
如果有两个模型都可用，你会如何选择？
贝叶斯信息度量（BIC）和赤池信息量（AIC）工作的数学原理是什么？
BIC和AIC背后的原理是什么？
在你的MFCC特征向量矩阵中，如果有数据丢失怎么办？
如何分辨语言？有什么特点？
你的分类器更像是话语和音乐的分类器，还是话语和非话语的分类器？
在语言分析应用中，如何部署深度神经网络？
是的，你可能会问这都是什么问题。非常巧的是，我们两个人的研究领域都是语音分析，特别是演讲者识别。所以整个面试过程一直在围绕语音分析。很显然，面试官很专业，并且给了我非常积极的反馈。之后，这家公司给我提供了AI解决方案架构师的工作。
建议
在整个求职过程中，我大概与25—30位专业人士有过交谈，以下是我在这之后能给出的建议：
简历很重要。要在其中写明参加过的项目、Kaggle竞赛、MOOC证书或者论文。我就是在没有任何推荐人推荐的情况下接到了亚马逊的电话。你的简历是打动HR和面试官的重要武器。
自信心和驱动力是成功的一半。参加面试时一定要自信，并且展示出你的热情（尤其是在创业公司和服务型公司）。
面试时不要急着回答问题。花些时间想想如何组织答案，如果有不明白的地方一定要问。面试时一定要冷静。
在解释概念时别忘了表现自己。你可以提几个做过的案例，并且要熟悉你简历里写的技能和项目。
-
如果你是这一领域的新人，在创建简历时可以从自己做过的项目开始，或者GitHub账号也是很有说服力的。除此之外，可以多参加Kaggle竞赛和MOOC课程。
学会谦虚，注意倾听面试官的意见。有的时候，R和Python的使用者会互相鄙视，最好不要这样，不然很可能挂掉。
最后，祝大家面试成功！（小编：答案？拟答案什么的是不可能的，这辈子都不可能的）
閱讀更多 論智 的文章
