[pustelnikk]

Cześć, pytanie do #programista15k #programista25k . Jestem po dwóch stażach z pogranicza #datascience i niedługo (2-3 msc) będę aplikował na stanowiska juniorskie. Celuję w data scientist (ogólny lub specjalizacja z wizją maszynową), ale również stanowiska typu machine learning engineer. Jakich pytań można spodziewać się na rozmowach na stanowiska juniorskie w tych dziedzinach?
inb4 wygoogluj sobie - wygoogluję ale chcę szerszej perspektywy
#machinelearning #uczeniemaszynowe #pracbaza #pracait

[kazamatyWielkopolskie]

@pustelnikk: sugerujesz, że losowe wykopki dadzą ci "szerszą perspektywę" niż google?

[pustelnikk]

@kazamatyWielkopolskie: sugeruję, że mogą ją poszerzyć

[kazamatyWielkopolskie]

@pustelnikk: mądrze ( ͡~ ͜ʖ ͡°)

[rusin]

Polecam zrobić research przed rozmową, żeby obczajać specyfikę firmy i pozycji (np. jeśli team zajmujący się rekomendacjami to dobrze odświeżyć sobie algorytmy klastrowania).

Bardzo często padają pytania o SQLa (nawet jeśli samo stanowisko jest pythonowe) i tu dobrze się wykazać znajomością rzeczy innych niż SELECT FROM WHERE, np. wiedzieć czym są funkcje okienkowe, having I union.

Jeśli będziesz musiał napisać na żywo jakiś kod to staraj się dbać o to żeby jakoś

[T.....s]

@pustelnikk kolego, taka wiedza kosztuje

[Bejro]

@pustelnikk: Na stanowiskach ML engineer najważniejsza jest pełna znajomość powiązanej teorii - tu nie możesz mieć żadnych braków, oraz bardzo dobra znajomość używanych frameworków - to na podstawie oferty. Jeśli idziesz w wizje to dobrze abyś znał wszystkie podstawowe algorytmy i ich zasady działania. Powinieneś być na bierząco z najważniejszymi postępami technologicznymi tak minimalnie do 6 miesięcy wstecz oraz znać najważniejsze trendy - np. wytłumaczyć czy i dlaczego DenseNet jest

[D.....y]

Przyda Ci się pewnie też obszerna znajomość GCN/GNN.

@Bejro: Są istotniejsze rzeczy od grafów - szczególnie junior nie potrzebuje takiej wiedzy. Jeśli celuje w Wizję to CNN + YOLO + odpowiednie techniki rozróżniania / trackowania obiektów + segmentacja(U-net) i tym podobne rzeczy powinny być priorytetem.

@rusin: Jeśli celuje stricte w ML i Wizję to nie potrzebuje aż takiej znajomości SQL-a. Sam składałem sporo podań na staże i pozycje

[Bejro]

@D00msday właśnie grafy są kluczem do trackowania. Yolo fajnie znać ale to nie 2015 aby się na tym skupiać. Junior potrzebuje całej wiedzy teoretycznej a nie tylko tej najprostszej. Można odstawać pod względem narzędzi jak git ale nie można mieć braków w teorii. W sensie, stare technologie trzeba znać na wylot ale sama taka wiedza nic nie da, liczą się bardziej skomplikowane rzeczy.

[rusin]

@D00msday: przegapiłem w poście część o wizji maszynowej. Masz oczywiście rację.

[D.....y]

Można odstawać pod względem narzędzi jak git ale nie można mieć braków w teorii.

@Bejro: Tutaj pełna zgoda. Wydaje mi się jedynie, że junior nie musi znać takich struktur jak GCN, żeby przejść proces rekrutacji ;)

[pustelnikk]

@Bejro @D00msday
Czym dla was jest znajomość w takim razie danych zagadnień. W tym sensie - mam np. nauczyć się na pamięć całego schematu danej architektury, czy o bardziej ogólne aspekty typu czym jest mechanizm uwag, residual connection lub w czym dane architektury dobrze się sprawdzają, dlaczego dana jest lepsza od innej w konkretnym przypadku?

[JamesJoyce]

@pustelnikk przede wszystkim teoria. Zrozumienie działania klasycznych algorytmów, funkcji strat, optymalizacj hiperparametrow, statystyka. A poza tym python (głównie numpy i pandas). Czasem zdarzają się pytania z matmy, ale nie za bardzo zaawansowane. Ogólnie googlowskie listy z reguły są dość dobre. Znam sporo seniorów, przeprowadzających rekrutacje techniczne, którzy biorą pytania z googla.