Preguntas de la entrevista al Machine Learning Engineer

Proceso típico de entrevista de aprendizaje automático

• Criba telefónica: Esta selección inicial, normalmente realizada por recursos humanos, tiene por objeto filtrar a los candidatos que no cumplen las cualificaciones y requisitos básicos.
• Asignación para llevar a casa: La empresa te dará una tarea para poner a prueba tus habilidades técnicas. Puede tratarse de cualquier cosa, desde el análisis de un conjunto de datos específico hasta la deconstrucción de un algoritmo de aprendizaje automático.
• Entrevista in situ: Tras la selección y la prueba iniciales, se invitará a los candidatos cualificados a reunirse con el Director de Contratación o el equipo de contratación. Durante la entrevista presencial (o virtual), es posible que se te pida que realices un reto de codificación en pizarra y/o que expliques conceptos de aprendizaje automático. Los entrevistadores también te harán preguntas importantes que pondrán a prueba tus habilidades sociales y tu potencial encaje en la empresa.

La mejor manera de prepararte para tu entrevista de machine learning es repasar tus conocimientos de aprendizaje automático, revisar tus proyectos anteriores y practicar las respuestas a las preguntas de la entrevista.

Para ayudarte a prepararte, hemos recopilado una lista de preguntas que te pueden hacer durante tu entrevista de Ingeniero de machine learning.

Estas preguntas pondrán a prueba tus conocimientos y experiencia en todas las áreas de la ciencia de los datos y el aprendizaje automático, como la programación, las matemáticas, la estadística y los principios básicos del aprendizaje automático.

Algunos ejemplos de preguntas de entrevista relacionadas con el aprendizaje automático son:

La mayor diferencia es que el aprendizaje no supervisado no requiere datos explícitamente etiquetados, mientras que el aprendizaje supervisado sí lo requiere: antes de poder hacer una clasificación, debes etiquetar los datos para entrenar al modelo a clasificar los datos en los grupos correctos.

• ¿Cuáles son los diferentes tipos de aprendizaje automático?
• ¿Qué es el aprendizaje profundo y cómo se diferencia de otros algoritmos de aprendizaje automático?
• ¿Cuáles son las diferencias entre el aprendizaje automático y el aprendizaje profundo?
• Explica la matriz de confusión con respecto a los algoritmos de aprendizaje automático.
• ¿Cuál es la diferencia entre la inteligencia artificial y el aprendizaje automático?
• ¿Cuál es el equilibrio entre el sesgo y la varianza?
• Explica la diferencia entre regularización L1 y L2.
• ¿Cuál es tu algoritmo favorito y puedes explicarlo en menos de un minuto?
• ¿En qué se diferencia el KNN del clustering de k-means?
• ¿Qué es la validación cruzada y cuáles son los diferentes métodos para utilizarla?
• Explica cómo funciona una curva ROC.
• ¿Cuál es la diferencia entre probabilidad y verosimilitud?
• ¿Cuál es la diferencia entre un modelo generativo y uno discriminativo?
• ¿Cómo se poda un árbol de decisión?
• ¿Cómo se puede elegir un clasificador en función del tamaño del conjunto de entrenamiento?
• ¿Qué métodos de reducción de la dimensionalidad conoces y cómo se comparan entre sí?
• Define precisión y recuperación.
• ¿Qué es una transformada de Fourier?
• ¿Cuál es la diferencia entre el error de tipo I y el de tipo II?
• ¿Cuándo debes utilizar la clasificación en lugar de la regresión?
• ¿Cómo evaluarías un modelo de regresión logística?
• ¿Qué es el Teorema de Bayes? ¿Qué utilidad tiene en el contexto del aprendizaje automático?
• Describe una tabla hash.

La empresa querrá asegurarse de que tienes las habilidades duras necesarias para destacar en el puesto de Ingeniero de Aprendizaje Automático. Para las preguntas técnicas, recuerda que los entrevistadores suelen estar más interesados en tu proceso de pensamiento que en la solución final.

Las preguntas técnicas de la entrevista de aprendizaje automático pueden incluir:

Este es el tipo de pregunta básica que podría hacer tropezar a alguien en una entrevista, simplemente porque la redacción de tu respuesta podría ser un poco confusa. Un error de tipo I es, por supuesto, un falso positivo -cuando crees que ha ocurrido algo y en realidad no es así-, mientras que un tipo II es un falso negativo, o una situación en la que ocurre algo y se pasa por alto.

• ¿Cómo manejarías un conjunto de datos desequilibrado?
• ¿Cómo manejas los datos faltantes o corruptos en un conjunto de datos?
• ¿Tienes experiencia con Spark o con herramientas de big data para el aprendizaje automático?
• Elige un algoritmo. Escribe el pseudocódigo de una implementación paralela.
• ¿Qué bibliotecas de visualización de datos utilizas? ¿Qué opinas de las mejores herramientas de visualización de datos?
• Dadas dos cadenas, A y B, de la misma longitud n, encuentra si es posible cortar ambas cadenas en un punto común de forma que la primera parte de A y la segunda parte de B formen un palíndromo.
• ¿Cómo construirías una cadena de datos?
• ¿Cómo implementarías un sistema de recomendación para los usuarios de nuestra empresa?
• ¿Puedes explicar tu enfoque para optimizar el autoetiquetado?
• Supón que te dan un conjunto de datos que tiene valores perdidos repartidos a lo largo de 1 desviación estándar de la mediana. ¿Qué porcentaje de datos no se vería afectado y por qué?
• Supón que descubres que tu modelo tiene un sesgo bajo y una varianza alta. ¿Qué algoritmo crees que podría hacer frente a esta situación y por qué?
• Te dan un conjunto de datos. El conjunto de datos contiene muchas variables, algunas de las cuales están muy correlacionadas y tú lo sabes. Tu jefe te ha pedido que ejecutes el ACP.
• ¿Quitarías primero las variables correlacionadas? ¿Por qué?
• ¿Cuáles son las ventajas e inconvenientes de las redes neuronales?
• ¿Cómo harías para entender el tipo de errores que comete un algoritmo?
• Explica los pasos que hay que seguir para crear árboles de decisión.

Además de tu experiencia en aprendizaje automático, los empresarios buscan candidatos con pasión, entusiasmo y la personalidad adecuada. Las preguntas personales ayudan a los entrevistadores a saber más sobre ti, tu estilo de trabajo y tus intereses.

Algunos ejemplos son:

En otras palabras, ¿Cómo te mantienes al tanto de las últimas noticias y tendencias en ML? La respuesta será diferente para cada persona, pero si quieres prepararte para tu entrevista leyendo sobre alguna investigación reciente en materia de ML, Papers With Code es uno de los muchos recursos en línea para ingenieros de aprendizaje automático que destaca la investigación reciente en materia de ML, así como el código necesario para su implementación.

• ¿Cómo te mantienes informado de los avances en el aprendizaje automático?
• ¿Cómo crees que la computación cuántica afectará al aprendizaje automático?
• ¿El aprendizaje automático es una ciencia o un arte?
• ¿Qué te apasiona?
• ¿Cómo manejas el estrés y la presión?
• ¿Qué te hace único?
• ¿Qué te motiva?
• Háblame de ti.
• ¿Cómo te describirías a ti mismo?
• ¿Cómo evalúas el éxito?
• ¿Cuál es tu mayor debilidad?
• ¿Cuál es tu mayor fortaleza?
• Describe tu ética de trabajo.
• ¿Por qué quieres trabajar aquí?

Como Ingeniero de Aprendizaje Automático, se espera que dirijas proyectos e interactúes con miembros del equipo técnicos y no técnicos y con clientes. Espera preguntas que pongan a prueba las habilidades esenciales de liderazgo y comunicación.

Algunos ejemplos de preguntas de la entrevista sobre liderazgo y comunicación son:

Los machine learning engineers no sólo trabajan con Científicos de Datos y otras funciones profundamente técnicas, y ser capaz de transmitir la importancia de lo que estás haciendo es a la vez crucial y un poco difícil para muchos expertos en ML. Tienes que demostrar a tu entrevistador que eres hábil en la comunicación escrita y verbal y que entiendes cómo simplificar conceptos complejos. Algo que hay que tener en cuenta es que un director de contratación podría incluso formar parte de ese público no técnico.

• Cuéntame una ocasión en la que hayas tenido que convencer a otros para que adopten tu posición en un asunto concreto. ¿Cuál fue el resultado?
• ¿Cómo te aseguras de que los proyectos y las tareas se mantengan dentro de los plazos previstos?
• ¿Cómo manejas los desacuerdos en tu equipo?
• Cuéntame un momento en el que algo haya ido mal en el trabajo y hayas tomado el control.
• ¿Cómo tratas a las personas que no están de acuerdo contigo?
• ¿Cómo simplificarías un asunto complejo para explicárselo a un cliente o a un colega?
• ¿Cómo harías para convencer a alguien de que vea las cosas a tu manera en el trabajo?
• ¿Cómo explicarías una idea o un problema complejo a un cliente que ya está frustrado?
• ¿Qué harías si se produjera un fallo de comunicación en el trabajo?
• Habla de una presentación exitosa que hayas hecho y por qué crees que lo hizo bien.
• Habla de una ocasión en la que expusiste un punto al que sabías que tus compañeros se resistirían.
• ¿Es más importante ser un buen oyente o un buen comunicador?

Para responder con éxito a una pregunta de comportamiento, empieza por exponer la situación, luego explica tus responsabilidades, describe los pasos que has dado y, por último, comparte los resultados de tus acciones.

Algunos ejemplos de preguntas conductuales en las entrevistas son:

A diferencia de algunos puestos en tecnología, los trabajos de aprendizaje automático siguen requiriendo a veces cierta experiencia formal en investigación en el campo. Si has colaborado en trabajos de investigación, prepárate para elaborarlos y discutir tus hallazgos.

Si no tienes ninguna experiencia formal en investigación, puede que no sea un problema, pero debes prepararte para explicar por qué has centrado tu energía en otras áreas.

• Dame un ejemplo de cómo has utilizado tu análisis de datos para cambiar el comportamiento. ¿Cuál fue el impacto, y qué harías diferente en retrospectiva?
• Pon un ejemplo de un problema que hayas resuelto (o intentado resolver) con el aprendizaje automático.
• Cuéntame una ocasión en la que hayas tenido que pensar de forma innovadora para completar una tarea. ¿Tuviste éxito?
• ¿Puedes describir un momento en el que hayas tenido que desarrollar un algoritmo complejo?
• ¿Puedes contarme un éxito importante que hayas tenido con un proyecto de aprendizaje automático?
• ¿Cuál es la decisión más difícil que has tenido que tomar recientemente y cómo llegaste a esa decisión?
• Háblame de un momento en el que estabas bajo mucha presión. ¿Qué ocurría y cómo lo superaste?
• Cuéntame una vez que hayas tenido un conflicto en el trabajo.
• Pon un ejemplo de cuando cometiste un error en el trabajo.
• Describe una ocasión en la que estuvieras en desacuerdo con un cliente. ¿Cómo lo manejaste?
• Háblame de una ocasión en la que te fijaste un objetivo. ¿Cómo te aseguraste de cumplir tu objetivo?
• Describe una ocasión en la que viste un problema y tomaste la iniciativa para corregirlo en lugar de esperar a que lo hiciera otra persona.

¿Te preguntas qué buscan las principales empresas tecnológicas en los ingenieros de aprendizaje automático? Aquí tienes algunas preguntas de entrevistas de Amazon, Google, Facebook y Microsoft.

• ¿Cuáles son las diferencias entre los modelos generativos y los discriminativos?
• ¿Cómo se pesan nueve canicas tres veces en una balanza para seleccionar la más pesada?
• ¿Cuál es la diferencia entre la inferencia MLE y MAP?
• ¿Por qué has utilizado este algoritmo de aprendizaje automático en particular en tu proyecto?
• ¿Qué es el algoritmo K-means?
• Describe un momento en el que hayas dejado de lado un objetivo a corto plazo por un objetivo a largo plazo.
• ¿Cuál es la diferencia entre los resúmenes de una Regresión Logística y una SVM?
• Explica el ICA y el CCA. ¿Cómo se obtiene una función objetivo CCA a partir de PCA?
• ¿Qué relación hay entre el PCA con un núcleo polinómico y un autoencoder de una sola capa? ¿Y si se trata de un autocodificador profundo?
• ¿Qué es el test A/B en el aprendizaje automático?
• ¿Qué es la función de activación en el aprendizaje automático?
• ¿Cómo construirías, entrenarías y desplegarías un sistema para detectar si el contenido multimedia y/o publicitario que se publica infringe los términos o contiene material ofensivo?
• ¿Cómo resuelves un desacuerdo con un miembro del equipo?
• ¿Qué es la compensación sesgo-varianza? ¿Cómo se expresa mediante una ecuación?
• Describe la idea que hay detrás de la potenciación. Pon un ejemplo de un método y describe una ventaja y un inconveniente.
• Formula el trasfondo de una SVM y muestra el problema de optimización que pretende resolver.