IT 专业人员和业务专业人士可以通过多种方式在求职面试中展示他们的机器学习(ML) 基础知识。这一切都归结为简单、清晰地解释如何使用机器学习来实现业务目标。

机器学习工程师职业生涯中最基本的要素之一是了解用于构建机器学习程序的典型过程。

专业人员应该对使用测试和训练数据集、然后引入新数据集、拟合模型并努力实现收敛有充分的了解。例如，专业人员应该了解开发这些测试和训练集的通常是劳动密集型的过程，并思考它们来自哪里，例如，来自手动网络抓取，而很少有人真正愿意这样做。

专业人士还应该了解机器学习中的一些主要陷阱。最突出的例子之一是拟合或维度问题，其中不匹配会导致程序难以使用并且不支持企业需求。

专业人士应该“擅长神经网络”，不仅要了解经典算法，还要了解如何将加权输入与这些新型人工智能/机器学习系统中的函数结合使用，以创建更准确的结果。他们应该知道如何控制偏差和方差以及如何有效地走向收敛模型。

此外，职业专家应该熟悉道德和可解释的人工智能/机器学习原则。专家指出，在快速创新的今天，克服所谓的“黑匣子原则”非常重要，因为人类可能不知道什么是“黑匣子原则”。 ML 程序是做什么的，或者为什么。可解释的人工智能运动致力于解决此类问题，并促进人工智能和机器学习在当今行业中的道德应用。

    上一篇我们送上的文章是 模型驱动的人工智能和数据驱动的人工智能有什么区别？ ， _!在下一篇继续做详细介绍，如需了解更多，请持续关注。
本文由日本NEC锂电池中国营销中心于2023-07-16 17:19:06 整理发布。
转载请注明出处.