機器學習工程師面試：問題、技巧與常用句

選一個有真實使用者的模型。說明它解決什麼問題、誰在用、多久用一次。簡短就好。只是舉例：「I built a model that finds late deliveries. The support team used it every day.」（我做了一個找出延遲配送的模型，客服團隊每天都在用。）

自己做的部分用 I，團隊一起做的用 we。說出一兩件清楚的事，例如特徵、訓練或部署。不要只列工具，要說你用這些工具做了什麼。

說出一個指標，例如 precision 或 recall，並給出數字或變化。再補一個對使用者或業務的結果。只是舉例：「calls about late orders went down by a fifth」（延遲訂單的來電少了五分之一）。

把指標和犯錯的代價連在一起。例如：誤報會浪費客服的時間，所以 precision 最重要。用兩三句話說完就好。

說出兩個選項、你選哪一個、為什麼。速度和準確度是很好的例子。例如：較大的模型準確度稍微高一點，但太慢，所以我們留下較小的模型。

少用技術名詞，多談使用者、時間和成本。需要的話，用一個簡單的比喻。先說重點，對方想知道更多再補充細節。

誠實舉一個例子，例如資料隨時間改變，或是回應變慢。說明你怎麼發現、做了什麼、學到什麼。語氣保持平穩，只談事實，不要怪別人。

說明你檢查什麼、多久檢查一次，例如準確度、速度或輸入資料。再說數字看起來不對時，你怎麼處理。一個清楚的做法就夠了。

說一個真正的改進，以及它對使用者的意義。誠實，但保持正面。例如：我會加上更好的警示，讓我們更快發現資料問題。

先準備兩個問題。例如問團隊怎麼衡量成功、模型怎麼審查，或主要使用者是誰。聽完回答後，記得說謝謝。