После интервью с 6 компаниями я получил предложение от 6-й компании (вы можете просмотреть мой опыт собеседований здесь), и у меня больше не было никаких других собеседований. На самом деле я должен опубликовать эту статью 2 недели назад, но я хочу поделиться более подробной информацией, пока я не приму предложение официально.

На этот раз я не буду рассказывать о своем опыте собеседований, потому что у меня не было других собеседований. Но я собираюсь поделиться опытом с другими людьми, потому что предыдущая статья вызвала некоторую дискуссию, кто-то поделился своим опытом на форумах fast.ai (вы можете проверить исходный пост), я думаю, что это действительно полезно, поэтому давайте проверим это из.

Бенедикт С:

  • Я думаю, что требования к работе выше, чем они ищут. Аспирантов со стажем работы 5 лет не так много. Вероятно, они посмотрели описание работы в Facebook, Amazon, Google и т. Д. И скопировали требования.
  • В моем собеседовании меня спросили об алгоритмах машинного обучения, которых я не знал. Я ответил: «Я этого не знаю - существует так много алгоритмов, если вы дадите мне определение, я могу объяснить вам, как это работает». и / или предложил другой алгоритм, решающий ту же проблему (существует множество алгоритмов классификации). Конечно, вы должны знать базовый метод, например k-means, но я считаю, что лучше быть честным, чем что-то гадать. В моем случае я получил задание на это собеседование
  • Если у них нет команд глубокого обучения / они ничего не знают об этом - я объяснил им большие преимущества. Google перешел от ~ 10 проектов до ›2000 проектов с глубоким обучением за два года. Преимущество в том, что мир говорит о глубоком обучении. Я проявил к ним свой интерес + дополнительные знания о сообществе. Я объяснил им, как использовать глубокое обучение для решения их проблем, например подобие изображения на основе скрытых слоев.
  • Я знаю, что в моем резюме есть только проекты / темы. Я стараюсь поддерживать разговор в этих областях, в которых я разбираюсь, вместо того, чтобы позволять им задавать какие-либо вопросы о машинном обучении / информатике. Я пытаюсь объяснить им, что их работа заключается в применении теории к проблемам реального мира, а не в изобретении велосипеда ... Многие проблемы можно решить с помощью текущих фреймворков, не реализуя все с нуля.

Мой ответ:

«Я особенно согласен с вашим последним пунктом, мы должны контролировать тему в том, что у нас хорошо получается или с чем мы знакомы, знаете что, я просто ответил на то, что они спрашивают, поэтому они всегда находят более разные темы, поэтому я в ловушке того, чем я не являюсь. так знаком с. "

Джерри Лю:

спасибо за то, что поделились своим опытом. Я прочитал вашу статью в блоге и хотел поделиться некоторыми соображениями. Я управляю небольшой компанией по анализу данных, и недавно я развернул прототип глубокого обучения для компании Интернета вещей здесь, в Шанхае, Китай.

Прочитав ваше сообщение в блоге, я не думаю, что это была проблема «фреймворков» против «без фреймворков». Рекрутеры в Китае, естественно, скептически относятся и настороженно относятся к портфельным проектам, связанным с печеньем. Тем более, что глубокое обучение все еще очень ново, и не так много компаний со зрелой инфраструктурой и процессами.

Во всяком случае, ваши рекрутеры, возможно, были удивлены тем, как многому можно научиться у fast.ai!

Мой ответ:

«Действительно, у fast.ai есть все, что нам нужно знать о глубоком обучении!»

На самом деле, знания, которые я получил от fast.ai, действительно мне пригодились в моей нынешней работе. Например, один из моих новых проектов - определить, есть ли человек на картинке или нет, это классическая проблема обнаружения изображения (или проблема классификации, 1 - да, 0 - нет), я могу использовать keras для быстрого моделирования для тестирования. По идее, вы можете просто настроить модель VGG \ inceptionV3 \ resnet, чтобы получить хороший результат, а затем вы можете попробовать разные способы для получения лучшего результата.

Курс fast.ai также научил нас использовать CNN в задаче классификации текста, так что я могу использовать CNN для решения моей второй задачи - классификации электронной почты. Я должен сказать, что fast.ai очень помогает мне в моей новой работе, это хороший курс глубокого обучения в действии, если он вам интересен, вы можете посетить сайт fast.ai.