Entrevista de ingeniero de machine learning: preguntas, consejos y frases

Elige un modelo real con usuarios reales. Di qué problema resolvía, quién lo usaba y con qué frecuencia. Sé breve. Solo como ejemplo: I built a model that finds late deliveries. The support team used it every day.

Usa 'I' para tu parte y 'we' para el equipo. Menciona una o dos cosas claras, como las variables, el entrenamiento o el despliegue. No hagas solo una lista de herramientas. Cuenta qué hiciste con ellas.

Nombra una métrica, como precision o recall. Da el número o el cambio. Luego añade un resultado para los usuarios o el negocio. Solo como ejemplo: las llamadas por pedidos tardíos bajaron una quinta parte.

Une la métrica con el costo de equivocarse. Por ejemplo: las falsas alarmas le hacían perder tiempo al equipo de soporte, así que la precisión era lo más importante. Usa dos o tres frases.

Di las dos opciones, cuál elegiste y por qué. Velocidad y exactitud es un buen ejemplo. Por ejemplo: un modelo más grande era un poco más exacto, pero demasiado lento, así que nos quedamos con el pequeño.

Deja los términos técnicos. Habla de usuarios, tiempo y dinero. Usa una comparación sencilla si ayuda. Empieza con la idea principal y da más detalle solo si te lo piden.

Da un ejemplo honesto, como datos que cambian con el tiempo o respuestas lentas. Cuenta cómo lo encontraste, qué hiciste y qué aprendiste. Mantén la calma y habla con hechos. No culpes a otros.

Describe qué revisabas y cada cuánto, por ejemplo la exactitud, la velocidad o los datos de entrada. Cuenta qué pasó cuando un número se veía raro. Con una rutina clara es suficiente.

Nombra una mejora real y por qué importa a los usuarios. Sé honesto y positivo. Por ejemplo: I would add better alerts, so we could find data problems faster.

Prepara dos preguntas. Pregunta cómo mide el equipo el éxito, cómo se revisan los modelos o quiénes son los usuarios principales. Escucha la respuesta y da las gracias.