王喆
王喆在《算法工程師必須要知道的面試技能雷達(dá)圖》中提到如何面試算法候選人，從下面4個(gè)方面去考察：
- 知識(shí)：主要是指你對(duì)machine learning相關(guān)知識(shí)和理論的儲(chǔ)備
- 工具：將你的machine learning知識(shí)應(yīng)用于實(shí)際業(yè)務(wù)的工具
- 邏輯：你的舉一反三的能力，你解決問題的條理性，你發(fā)散思維的能力，你的聰明程度
- 業(yè)務(wù)：深入理解所在行業(yè)的商業(yè)模式，從業(yè)務(wù)中發(fā)現(xiàn)motivation并進(jìn)而改進(jìn)模型算法的能力
明白了這四個(gè)方面之后，再從深度去考察候選人這4個(gè)方面的的能力；如果深度夠的話，再去考察廣度，如果廣度也滿足需求，這輪面試就算通過了。
在NLP相關(guān)的面試?yán)锩妫@四項(xiàng)又該如何定義？
- 知識(shí)：對(duì)machine learning和NLP相關(guān)理論儲(chǔ)備
- 工具：深度學(xué)習(xí)框架，numpy，pandas，java和python，shell
- 邏輯：編程題，一些有深度的知識(shí)點(diǎn)
- 業(yè)務(wù)：候選人的項(xiàng)目，為什么如何設(shè)計(jì)模型；或者自己設(shè)計(jì)一些題
總結(jié)
在58這段時(shí)間，面試過一些候選人，有實(shí)習(xí)生，也有社招，有職位高水平差，也有非常牛的。自己在面試的過程中，也嘗試總結(jié)一些東西，如何去面試一個(gè)候選人。
最開始的時(shí)候，我面試只面試一些知識(shí)點(diǎn)，考察候選人對(duì)這些知識(shí)點(diǎn)的掌握程度，然后能回答出超過2/3的內(nèi)容就算通過。因?yàn)樗麄冎R(shí)體系中，有很多知識(shí)點(diǎn)我并不熟悉，這樣只是部分考察了他們知識(shí)，工具和邏輯的深度。這種面試是非常淺的，對(duì)于他們業(yè)務(wù)的考察較弱。
后續(xù)我增加了對(duì)業(yè)務(wù)的考察，這一塊主要是通過對(duì)候選人做過的項(xiàng)目進(jìn)行提問，項(xiàng)目的提問主要是圍繞下屬幾點(diǎn)：
- 數(shù)據(jù)集。如果是新項(xiàng)目，問下冷啟動(dòng)問題。
- 模型結(jié)構(gòu)，損失函數(shù)。（中間穿插問下，項(xiàng)目中用到的技術(shù)點(diǎn)）
- 效果如何，如何進(jìn)行評(píng)測(cè)的。
- 數(shù)據(jù)如何迭代的。
- 訓(xùn)練中可能遇到的問題。（需要做過類似的項(xiàng)目，對(duì)這類項(xiàng)目能比較熟悉）
- 有沒有嘗試過其他方案。
上述的考察不僅考察了業(yè)務(wù)，同時(shí)也考察到了知識(shí)，工具和邏輯，是一種比較合理的考察方式。
同時(shí)我也給自己留下一些思考的問題。
- 對(duì)不同層次的候選人，要求的區(qū)別是什么？
- 自己也要有足夠的深度才能去面試候選人。也要建立相應(yīng)的廣度，然后把廣度拓深。
- 面對(duì)自己生疏的領(lǐng)域，怎么處理？
