机器学习工程师面试：问题、技巧和表达

选一个有真实用户的模型。说清它解决了什么问题、谁在用、多久用一次。保持简短。仅作示例：I built a model that finds late deliveries. The support team used it every day.（我做了一个找出延迟配送的模型，客服团队每天都在用。）

说你自己的部分用 “I”，说团队用 “we”。讲一两件具体的事，比如特征、训练或部署。不要只列工具，要说你用它们做了什么。

说出一个指标，比如 precision 或 recall。给出数字或变化幅度，再补充一个对用户或业务的结果。仅作示例：calls about late orders went down by a fifth.（有关延迟订单的来电减少了五分之一。）

把指标和出错的代价联系起来。例如：false alarms wasted the support team's time, so precision mattered most.（误报浪费了客服团队的时间，所以 precision 最重要。）控制在两三句话内。

说清两个选项、你选了哪个、为什么。速度和准确率就是个好例子。例如：a bigger model was a little more accurate, but too slow, so we kept the smaller one.（更大的模型稍微准一点，但太慢，所以我们保留了小模型。）

少用技术词，多讲用户、时间和成本。需要的话，用一个简单的比喻。先说要点，对方想听再补充细节。

给出一个真实的例子，比如数据随时间变化，或响应变慢。说你怎么发现的、做了什么、学到了什么。保持平静，只讲事实，不要怪别人。

说说你查看什么、多久查一次，比如准确率、速度或输入数据。再说数字看起来不对时发生了什么。讲清一套固定做法就够了。

说一个真实的改进点，以及它对用户为什么重要。诚实，但保持积极。例如：I would add better alerts, so we could find data problems faster.（我会加上更好的告警，这样能更快发现数据问题。）

准备两个问题。可以问团队如何衡量成功、模型如何评审，或者主要用户是谁。认真听回答，并说声谢谢。