Réussir un entretien d’apprentissage automatique dans des entreprises comme Facebook, Google, Netflix, Snap, etc., revient en fait à définir quelques modèles recherchés par ces entreprises. Dans cet article, je prévois de partager mon expérience d’entretien avec ces entreprises et aussi comment je me suis préparé.
Sur moi
j’ai six ans de expérience travaillant comme ingénieur en apprentissage automatique chez Meta. J’ai fait partie de deux équipes chez Meta. J’ai été l’un des premiers ingénieurs ML d’une équipe de modélisation de la désinformation travaillant sur des modèles de classification des canulars. Après trois ans de désinformation, j’ai rejoint l’équipe de classement des publicités Instagram, où je fais partie de l’équipe d’optimisation principale qui construit et améliore les modèles de classement des publicités sur toutes les surfaces sur Instagram (Feed, Stories, Reels, etc.)
Comment casser les entretiens d’apprentissage automatique dans les entreprises FAANG
Je suis sur le marché du travail depuis deux mois et j’ai assisté à environ 10 entretiens sur place et j’ai six offres de Google et quelques autres pour des rôles de ML senior/personnel. Il s’agissait de ma première tentative de recherche d’emploi depuis l’obtention de mon diplôme de maîtrise il y a près de six ans, et j’ai dû apprendre le paysage des entretiens ML et élaborer des stratégies pour ma préparation.
Dans cet article, j’essaie de partager des trucs et astuces qui pourraient vous aider à vous préparer aux entretiens MLE (en L4 et au-dessus). J’ai assisté à des entretiens chez Netflix, Google, Snap, Airbnb, Uber, Instacart, Doordash et Nextdoor, et je vais concentrer cet article sur la structure de ces entreprises.
Les entretiens d’apprentissage automatique sont assez différents des entretiens d’ingénierie logicielle vanille, et l’écosystème évolue continuellement pour rendre les entretiens plus calibrés et structurés. Mais voici des choses auxquelles vous pouvez généralement vous attendre
1) Évaluation technique de l’apprentissage automatique
En règle générale, les grandes technologies auraient un écran téléphonique technique d’une heure qui comprendrait une question de style code leet et laisserait 10 à 15 minutes vers la fin pour certaines questions techniques ML à tir rapide. La fin la plus facile de ces questions sur la théorie du ML ressemble principalement à ceci :
-
Expliquer le surajustement et la régularisation
-
Expliquer le compromis biais-variance
-
Comment gérez-vous les problèmes de déséquilibre des données
-
Qu’est-ce que la descente de gradient
-
[Difficult] Pouvez-vous expliquer la régression logistique et dériver la descente de gradient pour la régression logistique
-
[Difficult] Que signifient les valeurs propres et les vecteurs propres dans l’ACP
J’ai compilé un ensemble de questions fréquemment posées sur la théorie du ML.
Comment vous prépareriez-vous pour ce tour
Ce cycle est assez crucial car il teste vraiment votre compréhension de base des sujets courants en ML. Au lieu d’approcher pour répondre à ces questions en étudiant une feuille de triche, je recommanderais vraiment de passer une semaine ou deux à revoir les bases d’un manuel. Je recommande vivement ce manuel et ce cours Coursera que vous pouvez regarder à une vitesse 1,5X.
Sur site – Cycle de théorie de l’apprentissage automatique
Ce tour est assez similaire au tour d’évaluation technique ci-dessus mais a 45 min – une heure qui lui est consacrée. Vous pouvez vous attendre à deux types de questions. Voici quelques exemples:
Vous pouvez trouver des questions similaires ici.
Essayez de passer la majeure partie de votre préparation à revenir aux bases, à bien comprendre les concepts. Je passe plus de 2 semaines à réviser les concepts d’apprentissage automatique en regardant les vidéos ci-dessus. Obtenir les dérivations pratiquées avec un stylo et du papier fait une énorme différence.
Cliquez ici pour plus de matériel de préparation.
Entretien sur site – Comment aborder le cycle de conception du système ML ?
Or, c’est un cycle que peu d’entreprises ont réussi à bien mener. Comme, trouver des enquêteurs calibrés pour ce tour et avoir le bon ensemble de rubriques pour évaluer les candidats pour ce tour est assez difficile. Peu d’entreprises, comme Google, Meta, Airbnb, Doordash, etc., ont un processus mature pour la conception de ML System. Peu d’autres ont été honnêtement un désastre pour moi, et cela me tente de dire que ce tour pourrait très bien être un succès ou un échec.
Pour ML Design, les attentes des candidats ne sont souvent pas claires, et j’ai trouvé des enquêteurs qui posent des questions qui ont un large champ à couvrir tout en interjectant les candidats et en transformant l’entretien en un tour de théorie ML. C’est pourquoi ce tour peut être un hasard, même pour les candidats les mieux préparés. Les candidats L4 n’ont généralement pas de cycle de conception ML. Pour L5, vous pouvez vous attendre à 1-2 tours, et pour L6, il y a un minimum de deux tours attendus.
Attendez-vous à des questions comme :
-
Concevoir un système de recommandation de flux
-
Conception Youtube
-
Concevoir le classement des contacts Google
-
Concevoir une recommandation de remplacement d’article
Voici les meilleurs conseils pour clouer ce tour
-
Avoir une bonne structure prédéfinie pour l’entretien. Voici ma structure recommandée :
-
Avoir un bon script pour répondre à toute question de ML Design. Fondamentalement, à peu près toutes les questions de conception ML s’inscrivent dans la structure ci-dessus, et le script peut également être quelque peu généralisé. Voici mon point de vue sur la façon dont j’aborde les systèmes de recommandation
-
Comment récupérer un dérailleur ?
Supposons que vous en soyez à dix minutes de l’entretien de conception et que l’intervieweur vous ait posé une question sur les mesures commerciales et que vous ayez passé trop de temps dans cette section. Comment récupérer votre entretien ?
-
C’est quelque chose que j’ai remarqué beaucoup trop souvent, en particulier dans les interviews de ML Design.
-
C’est souvent une fonction de votre interlocuteur ayant une structure prédéfinie dans son esprit qui entre en collision avec votre structure. Donc, vous commencez à parler de métriques en ligne, et ils veulent connaître les données de formation. Faites une pause, expliquez clairement à l’intervieweur qu’il s’agit de la structure que vous avez l’intention de suivre et revenez sur la bonne voie.
-
Les entretiens de conception doivent généralement être menés par le candidat avec un minimum d’interruptions de la part de l’intervieweur. Alors, assumez pleinement ici en sachant que l’intervieweur à l’autre bout n’est probablement pas calibré, et donc c’est entièrement à vous d’utiliser vos 45 minutes pour donner autant de signal que possible.
4. La meilleure façon de se préparer aux cycles de conception ML est de prendre autant d’entretiens fictifs que possible. J’ai pris cinq entretiens fictifs ML avec mes ex-collègues, ce qui m’a vraiment aidé à façonner mon run-book pour ce tour.
Cela m’amène à la fin de la partie 1. Dans la partie 2, je prévois d’approfondir les types de questions de conception ML et la rubrique qui différencie un candidat L4 de L5 et L6 (niveaux méta).
Je propose également des entretiens fictifs gratuits pour les personnes qui sont actuellement sur le marché du travail.