传统IT企业转岗NLP


我是机器学习集训营第五期的学员,计算机专业本科211,硕士985。硕士阶段主要涉及分布式计算、存储等领域,所以本身对机器学习的了解并不多。毕业后一直在一家美资传统IT企业,一晃五年多过去了,随着时间的推移,渐渐感受到对有限的上升空间的焦虑,以及经济方面的压力。在纠结、焦虑的过程中,也曾尝试着积极行动起来,努力地为自己寻找合适的方向,自学并最终实现转岗。但实际操作起来,就像无头的苍蝇一样没有头绪,或是选不准主攻方向,或是学习过程中把握不住重点,总之收效甚微。

一个偶然的机会,朋友跟我聊到AI的广阔前景,加上自己还不错的数学功底,所以决定转岗机器学习。考虑到之前自学过程中遇到的一些问题,思忖再三之后决定参加七月的机器学习集训营。报名之后,距离开课还有一个月,七月的工作人员先提供了一些基础课程以便我们快速掌握机器学习相关的基础知识,为后续的集训营学习打下扎实的基础。当然,除了七月的预习课程外,还看了吴恩达的斯坦福公开课,对经典的机器学习算法有了大概的了解。

正式开课后,就是持续三四个月的高强度学习。由于我是在职参加培训,另外家里小朋友也会分散部分精力,所以整个培训以及后续自我完善的阶段确实非常辛苦,几乎每天都熬到一点以后才休息,放弃了所有周末和节假日的休息。好在,七月合理编排的课程和老师们深入浅出的解析帮我们快速理解和消化,并且提炼出需要重点关注的内容,达到事半功倍的效果。平时自己遇到的疑惑,老师们也会在群里及时耐心地解答。

培训结束后又复习了一段时间,一眨眼又到了来年的四月份了。金三银四的求职季,怎能错过。赶紧请老师再帮忙修改了下简历,便开始了求职之路。从开始投简历开始,整个过程大概持续了一个半月,断断续续地面了几家公司,拿到了几家公司的NLP 岗位的Offer,基本上涵盖了创业公司、互联网公司、券商这几种类型。下面是我几次重要面试的情况总结如下,整体给我的感觉是基本都只关心项目经历,会根据项目描述穿插着问一些远离的细节。大家有兴趣可以参考一二:

A. *火通信
自我介绍
介绍一下简历上的项目,问了一些项目方面的细节。
项目中用到的fasttext是自己实现的还是调包
项目中数据的来源以及正负样本分布情况,负样本如何采样的。
BERT中为什么要做positional embedding
常见的attention机制有哪几种类别
句法分析
读过哪些论文
QA项目中具体如何检索出问题的答案的
介绍了他们目前正在做的一项任务,询问我的思路。当时没太理解他的问题描述,后来想想应该是类似于事件抽取的问题。
会不会用tensorflow,给了一道题,让用tensorflow实现。

B.某云商
自我介绍
逐个介绍简历上的项目
情感分析中如何处理否定词
项目中模型用的是什么损失函数
挑一个最了解的算法进行讲解
QA项目中具体如何进行问题的匹配和检索的
这家公司的面试比较简单,面试官也比较耐斯。

C.某背单词app
自我介绍
面试官似乎比较关心之前工作的具体内容,包括未涉及机器学习的部分工作内容也仔细询问了一些细节
项目的数据量多大,是否存在正负样本不均衡的问题,如何处理。
项目中使用的模型的具体结构以及为什么要用这种结构
项目中为什么要使用这么复杂的模型,训练时间需要多久,是否尝试过更简单的模型
项目持续的时间、是否已经上线,是否通过手动调参
项目由几个人完成、具体分工,自己完成哪些部分
BERT训练过程中用到涉及到的哪两个任务,这两个任务分别有什么作用
在目前的公司使用什么版本控制工具
是否熟悉docker,模型如何上线的

最后给了两道算法题,让描述思路。
(1)复杂度为O(n)的算法,计算一个未排序数组中排序后相邻元素的最大差值。
(2)用10只小白鼠找出1000瓶液体中有毒的一瓶
已邀请:

要回复问题请先登录注册

收藏七月在线,一起向大牛进阶

ctrl+D或command+D可以快速收藏哦~