このページの内容
練習する質問
Tell me about a model you put into production.
本番環境に出したモデルについて教えてください。
質問の意図アイデアから実際の毎日の利用まで、モデルを届けられるかを知りたいのです。
実際に使う人がいるモデルを1つ選びます。解決した問題、使った人、使う頻度を話します。短くまとめましょう。例：「I built a model that finds late deliveries. The support team used it every day.」
What part did you build yourself?
ご自分で作った部分はどこですか。
質問の意図チームでの開発はよくあります。チーム全体ではなく、ご自分の仕事を知りたいのです。
自分の担当には「I」、チームには「we」を使います。特徴量、学習、デプロイなど、1つか2つをはっきり挙げます。ツール名を並べるだけでなく、それで何をしたかを話しましょう。
How did you know the model worked?
モデルがうまく働いているとどうやって確かめましたか。
質問の意図推測ではなく、結果を正直に測れるエンジニアかどうかを見ています。
precision や recall など、指標を1つ挙げます。数字か変化も伝えます。そのうえで、利用者や事業への結果を1つ加えます。例：「Calls about late orders went down by a fifth.」
Why did you choose that metric?
なぜその指標を選んだのですか。
質問の意図適した指標は問題によって変わります。その点を理解しているかを確かめています。
指標を、間違いのコストと結びつけます。例：「False alarms wasted the support team's time, so precision mattered most.」2〜3文で十分です。
Tell me about a trade-off you made.
トレードオフを選んだ経験を教えてください。
質問の意図実際の仕事には制約があります。2つの良い選択肢からどう選ぶかを見ています。
2つの選択肢、選んだ方、その理由を話します。速度と精度は良い例です。例：「A bigger model was a little more accurate, but too slow, so we kept the smaller one.」
How would you explain that to a product manager?
それをプロダクトマネージャーにどう説明しますか。
質問の意図技術者ではない人に結果を説明する場面は多く、この仕事でも必要になります。
専門用語を使わず、利用者、時間、お金の話にします。たとえ話が役立つ場合もあります。まず要点を話し、詳しい説明は聞かれたときに加えます。
What went wrong after the model was live?
モデルの公開後に、うまくいかなかったことは何ですか。
質問の意図モデルは実際の利用の中で変わります。問題への気づき方と直し方を見ています。
データの変化や応答の遅さなど、正直な例を1つ挙げます。どう見つけ、何をし、何を学んだかを話します。落ち着いて事実を伝え、人のせいにしないようにします。
How did you monitor the model in production?
本番環境でモデルをどう監視しましたか。
質問の意図モデルをうまく動かし続けるには、公開前だけでなく公開後も見守る必要があります。
精度、速度、入力データなど、何をどのくらいの頻度で確認したかを話します。数字がおかしかったときの対応も伝えます。はっきりした手順が1つあれば十分です。
If you had more time, what would you improve?
もっと時間があれば、何を改善しますか。
質問の意図自分の仕事を客観的に見ているかがわかります。
実際の改善点を1つ挙げ、利用者にとってなぜ大切かを話します。正直に、でも前向きに伝えましょう。例：「I would add better alerts, so we could find data problems faster.」
Do you have any questions for me?
何か質問はありますか。
質問の意図良い質問は、チームと実際の仕事への関心を伝えます。
質問を2つ用意します。チームが成功をどう測るか、モデルをどうレビューするか、主な利用者は誰か、などです。答えをよく聞き、お礼を伝えましょう。
Let me explain it simply first, then I can add detail.
まず簡単に説明して、そのあと詳しく補足します。
Clara
AIのコーチ
Leo
AIのコーチ
使ってみるフレーズ
Let me explain it simply first, then I can add detail.
まず簡単に説明して、そのあと詳しく補足します。
The part I did myself was …
私が自分で担当した部分は…です。
We chose speed over a small gain in accuracy, because users needed fast answers.
利用者がすばやい答えを必要としていたので、わずかな精度の向上より速度を選びました。
We measured it with … and the result was …
…で測定し、結果は…でした。
For the users, this meant …
利用者にとっては、…ということでした。
In plain words, the model helps the team to …
わかりやすく言うと、このモデルはチームが…するのを助けます。
よくある質問
一番のモデルが授業やデモのプロジェクトだけの場合は？
面接官が知りたいのは、実際に使う人がいるモデルです。小さなものでも、1つのチームが使った仕事のモデルがないか考えてみましょう。ない場合は正直に伝えます。デモをわかりやすく説明し、本番環境ではなかったことを話したうえで、実際の利用者向けにどう動かすかを話します。
専門用語をたくさん使った方が、詳しい人に見えますか？
いいえ。この職種では、わかりやすい言葉が評価されます。まず簡単に話し、聞かれたら詳しく補足します。用語が多すぎると、要点を隠しているように聞こえることもあります。技術者ではない人にも説明できることは、ここでは強みです。
正確な数字を覚えていない場合は？
正直に、おおよその数字を伝えます。そのことも一言添えましょう。例：「Calls went down by about a fifth.」正確な数字を作る必要はありません。「I don't remember the exact number, but the trend was clear.」と言っても大丈夫です。