Một số câu hỏi phỏng vấn Machine Learning Engineer

Hoàn thành vào ngày mai (26/11/2018)

1. Đạo hàm Sigmoid function
2. Giải 1 bài toán đơn giản dùng Naive Bayes
3. Trình bày 1 thuật toán sorting bất kỳ
4. Giải 1 bài toán về trong 1 graph, tìm các cặp đầu-cuối mà có đường đi kết nối chúng với nhau.
5. Hỏi về Database (câu này mình fail nên họ skip và không hỏi kỹ)
6. Hỏi về 1 bài toán thực tế mà mình đã làm: Khi mình fine-tunning/chọn một kiến trúc NN để giải bài toán thì mình làm gì + kết quả.
7. Overfitting là gì?
8. Các phương pháp tránh overfitting.
9. So sánh ℓ1 regularization và ℓ2 regularization.
10. Tại sao BatchNorm giúp thuật toán tối ưu deep learning hội tụ nhanh hơn?
11. Nêu sự khác nhau của pha training và pha test khi thực hiện BatchNorm.
12. Khi thực hiện mini-batch gradient desecent, việc mini-batch nhỏ hay lớn có ảnh hưởng như thế nào tới kết quả? Nêu ưu nhược điểm của mini-batch với kích thước nhỏ hoặc lớn.
13. Trong một bài toán, giả sử rằng thuật toán mini-batch gradient descent làm việc tốt với mini-batch lớn. Tuy nhiên, vì bộ nhớ có giới hạn, ta không thể tính được bachprogagation với mini-batch lớn. Có cách nào sử dụng backpropagation với mini-batch nhỏ để có hiệu quả tương tự như khi sử dụng mini-batch lớn?
14. Imbalanced data problem là gì?
15. Có những cách nào để solve imbalanced data không? (Trình bày về Under-sampling và Over sampling)
16. Khi imbalanced thì nên dùng bộ đo nào để đo độ chỉnh xác của model? (Hỏi về Confusion matrix, ROC Curve)