ystar wrote:Ребята, а какие вопросы задают на вакансии связанной с Machine Learning?
Например, описать RKHS и привести примеры функций, составляющих это пространства для RBF.
Доказать теорему Цибенко для однослойного NN. Доказать существование решения для глубокого обучения и объяснить принцип его работы. Объяснить принципы решения некорректно поставленных задач (ill-posed problems) на основе метода регуляризации Тихонова и показать, как эти принципы используются для решения методом регрессии задач с коллинеарными переменными.
Если на всё это ответите во время интервью, тогда точно не возьмут.
По большому счету спрашивают, какие бизнес-задачи решались и просят привести примеры их решения с использованием методов машинного обучения. Я бы прежде всего обратил внимание на это. Здесь главное показать, что дейта сайнтист умеет задавать правильные вопросы. Я, например, могу интервьюируемому поставить простую бизнес-задачу (что-нибудь простое и прикольное) и попросить описать процедуру решения. Собственно, отсюда сразу видно, понимает ли человек, что делает. Могут пройтись на понимание самих методов, типа человек знает ли их принципы или просто функции на Питоне вызывает. Могут спросить что-нибудь по статистическим тестам.
А вообще посмотрите на Инете. Там целые публикации ни эту тему.
Deckel wrote:1. Расскажите про нормальное распределение?
2. Важно ли оно для ML?
Здесь бы я поговорил о линейной регрессии. Чем метод наименьших квадратов отличается от метода максимального лайклихуда. Зачем вводится гипотеза о нормальности ошибки и перешёл бы к оценке коэффициентов путём расчёта p-value. Заодно упомянул бы про t-test и F-test (обязательно бы сказал про гипотезы). Затем упомянул бы про диагностику "резидуалс" путём оценки их распределения. Также сказал бы пару слов о Linear Discriminant Analysis.
Можно ещё поговорить о Central Limit Theorem (в совокупности с Large Number Theorem), т.е. сходимости к нормальному распределению.
Наверное как-то так.
