Home Forums Job Interview 후기 Machine Learning Engineer 이직 후기 This topic has [12] replies, 0 voices, and was last updated 3 years ago by 89. Now Editing “Machine Learning Engineer 이직 후기” Name * Password * Email Topic Title (Maximum Length 80) 이번에 AI Scientis/ML Engineer로 이직을 하면서 경험한 것과 느낀점들을 나누고자 글을 씁니다. 저도 많은 정보가 없어서 힘들었는데 비슷한 커리어를 가시려는 분께 도움이 됬으면 합니다. 나름 최대한 자세히 쓰려고 했습니다 인터뷰는 Philips/Apple/삼성전자/Microsoft/Qualcomm 와 했습니다. Qualcomm 코딩 인터뷰 광탈...자세히는 말 못하지만 loss function 관련 문제 등 머신러닝 관련 문제가 나왔습니다... test case 중 몇개를 통과하지 못 했습니다 ㅠ 삼성전자 Machine Learning Engineer 매니져와 과거 프로젝트에 대해 이야기 하였고 주로 제가 이 분야에 전문 적인 지식이 없는 사람에 어떻게 잘 설명 하는 지를 보는 것같았습니다. OPT/H1B Freeze 라고 연락 받았습니다 ㅜㅠ Microsoft Applied Scientist 매니져와 과거 프로젝트 주로 이야기하였고, 어떤 모델을 사용하였고 왜 사용하였는지 상당히 깊게 물어봤습니다. 중간 중간 기본적인 지식을 물어봤습니다. 프로젝트에 사용한 모델을 설명할때 if your model overfits what is your next approach? 같은 제너럴하면서도 project specific 한 방법을 말할 수 있는지 궁금해 했습니다. 그 외 data pre-processing이나 고객에게 어떻게 하면 쉽게 설명할 수 있는지 등을 물어 봤습니다. Apple Machine Learning Engineer 리쿠르터가 먼저 연락와서 짧게 인터뷰를 했습니다. Siri 팀이라고 들었는데, 이 후 연락 두절됬습니다. 저한테 먼저 연락을 해놓고 팀은 박사를 찾고 있다는 소리를 해서..좀 화가 났습니다..왜 먼저 연락해서 마음을 뒤 숭숭하게 해놓는지..ㅠ Philips AI Scientist 최근 프로젝트 몇개를 프레젠 테이션을 했고, data pre-processing, model selection, validation 등에 상당히 자세히 물어 봤습니다. 그 외 기본적인 signal processing과 이미지 프로세싱 기법을 물어봤습니다.(transformation, detection, registration)등을 기초부터 세세하게 물어봤습니다. 간단히 파이썬으로 코딩문제를 냈고 문제는 상당히 쉬웠습니다. PCA, SVM 같은 전통적인 머신러닝 기법들을 바닥부터 디자인 하게 했습니다. 개인적으로 scipy등을 쓰지않고 오직 파이썬, Numpy만으로 이러한 머신러닝 기법을 연습해본게 상당히 도움됬습니다. 여러곳에 인터뷰 하면서 느낀 점: 상황이 주어졌을때 어떻게 바닥부터 머신러닝 시스템을 설계해 나가는지를 많이 봤던것 같습니다. 예를 들어 data pre-processing은 어떻게 할 생각이며, 딥러닝을 쓸꺼냐 일반 머신러닝 기법을 쓸거냐 등 data driven 머신러닝 시스템 디자인이 주로 인터뷰 내용이고 코딩은 빡세게 보지는 않았습니다. 추가) 인터뷰 준비 저는 Pattern Recognition and Machine Learning by bishop 과 Deep Learning by goodfellow를 봤습니다. PRML 책을 읽고 문제도 몇개 꼼꼼히 풀어보시면 정말 기초는 확 잡힙니다...그 이후 Deep Learning 책을 읽었는데 (이 책도 수학적으로 꽤 어렵다고 하는 책입니다.) 훨씬 이해가 잘 됬습니다. 그리고 기초적인 SVM, Gradeint Descent, Regression, KNN, PCA, monte carlo sampling 등을 수학적 증명과 바닥부터하는 코딩으로 구현해 봤습니다. 수업 들을때 공부한거보다 100배는 더 기억에 남고 더 확실하게 이해됬습니다. 바닥부터 구현 꼭 추천드립니다. 마지막으로 제가 하는 머신러닝 프로젝트에 관하여 data 의 특성, 사용한 pre-processing의 종류와 이유, model selction 이유 (다른 비슷한 모델이 안 통한 이유), validation step, performance( resource, processing time..etc) 등을 documentation하니 인터뷰에서 매우 자신감이 생겼습니다. 참고하시면 좋을 것 같습니다. I agree to the terms of service Update List
