[머신러닝 시스템 디자인 스터디 Part1] How Does This Course Help in ML Interviews?

머신러닝 인터뷰

• Problem-solving/coding
  • 소프트웨어 엔지니어링 코딩 인터뷰와 비슷하다.
  • 예를 들어 인오더 트리(In-order tree traversal) 순회와 같은 문제를 지원자에게 주고 한시간 반동안 문제를 풀게한다.
• Machin Learning Understanding
  • 머신러닝에 대한 기본적인 컨셉에 집중된다.
  • Concepts
    • Supervised vs Unsupervised learning // 지도 vs 비지도 학습
    • Classification vs Regression // 분류와 회귀 분석
    • Deep Learning // 딥러닝
    • Optimization Funcitons // 최적화 함수들
    • Machine Learning 알고리즘들에 대한 학습
• Career Discussion
  • 이전의 경험이나 프로젝트들에 대한 이야기를 나눈다.
  • 이력서에 적혀있는 개인적인 성향들, 그리고 팀에서의 충돌과 같은 상황에 어떻게 대처하는지 묻는다.
• Machin Learning System Design Discussion
  • 지원자의 End-to-End 머신 러닝 문제 해결 능력을 이야기한다.
  • Open-Ended 질문들에 대한 구성들을 묻는다.

머신러닝 시스템 디자인 인터뷰들

머신러닝 시스템 디자인 인터뷰는 머신러닝 업무들에 대한 지원자의 활약에 대한 접근 관접에서 중요하다. 지원자들은 이 인터뷰에서 Open-Ended 머신 러닝 문제들을 받고 그 문제를 풀기 위해 End-to-End 머신러닝 시스템을 구성해야한다. 

• 문제 예시
  • 사용자들과 관련된 제품들을 보여주는 추천 시스템을 설계
  • 자율 주행 자동차의 시작적 이해 시스템을 설계
  • 순위 검색 시스템 설계

예시 문제들을 풀기 위해서는 다음과 같은 접근 방식을 고려해야한다. 

1. 문제에 대한 깊은 이해를 설계하자
2. 시스템 요구사항을 이해하자 (Latency & Scale // 지연과 스케일)
3. 시스템의 성능을 측정하기 위한 메트릭들을 개별화하자 
4. End-to-End 구조를 구상하라 (키 컴포넌트 식별)
5. 데이터 생성 전략을 훈련할 방법을 생각하자
6. 주어진 머신러닝 업무에 대한 의미있는 기능들을 설계하자
7. 가장 적당한 머신러닝 모델링 기술을 선택하자 (e.g. Transfer learning)

머신러닝 시스템 세팅

머신러닝 엔지니어 인터뷰에서는 특정한 작업을 위한 머신러닝 시스템을 디자인 하도록 요청받는다. 

• 검색 엔진을 위해 관련된 광고들을 보여주는 시스템을 구상하라
• 주어진 문서 뭉치로부터 사람들, 지역들 그리고 조직들을 모두 추출해라
• 넷플릭스 사용자들을 위한 영화들을 추천해라