¿Cómo es la entrevista de aprendizaje automático en Palantir? ¿Cuáles son los temas, cuán difíciles son las preguntas y qué literatura y otros ejercicios recomendaría para preparar las entrevistas?

Puedo responder esta pregunta desde el otro lado de la mesa de entrevistas ya que soy uno de los entrevistadores de aprendizaje automático de Palantir. Algo que hay que entender al respecto es que hay muchos conjuntos de habilidades diferentes asociados con la “ciencia de datos” o el “aprendizaje automático” y, por lo tanto, hacer un conjunto de preguntas justo y completo es un desafío. En general, a Palantir le gusta que sus candidatos de ML sean completos.

Nuestro proceso de entrevistas evoluciona constantemente, pero actualmente involucra tres facetas principales: codificación, teoría del aprendizaje automático y resolución de problemas de principio a fin.

La codificación es la más sencilla. Se le darán algunos datos reales y se le pedirá que implemente, desde cero, un algoritmo de aprendizaje automático en esos datos. Debería sentirse cómodo codificando varios tipos diferentes de algoritmos dependiendo de la tarea que se le asigne. El objetivo de esta entrevista es evaluar qué tan bien se desempeñaría en un entorno práctico y asegurarse de que se sienta cómodo con ML fuera de solo usar bibliotecas comunes.

La sección de teoría de ML evalúa si prestó atención en sus cursos de ML y si comprende cómo ese material se conecta con el mundo real. Debe tener una buena amplitud de conocimiento sobre cosas como: suposiciones estadísticas de modelos, por qué ciertos modelos funcionan de la manera en que funcionan y cómo lidiar con las irregularidades de los datos.

Finalmente, las entrevistas de extremo a extremo ponen a prueba su practicidad. Se le dará un escenario hipotético con algunos datos de entrada y algún objetivo. Se le pedirá que diseñe en detalle una tubería de aprendizaje automático que va desde datos sin procesar hasta predicciones utilizables. Tendrá que hacer suposiciones prácticas y elecciones razonables. No hay una única respuesta correcta a estas preguntas. pero las personas que han diseñado sistemas ML en un entorno práctico tendrán una clara ventaja aquí.

Para obtener un contexto sobre cuáles son los objetivos de este equipo, por qué entrevistamos la forma en que lo hacemos, lo dirigiré a otra respuesta de quora escrita por uno de mis compañeros de trabajo:
La respuesta de Anirvan Mukherjee a ¿Qué tan importante es el aprendizaje automático para lo que está haciendo Palantir?

No es una respuesta para la parte del “aprendizaje automático” de su pregunta, sino una forma general de abordar las entrevistas. Liz Ryan, quien escribe en Forbes, LinkedIn tiene algunas de las mejores respuestas y estrategias para manejar entrevistas. Lee esto:
¡Es una entrevista, no un interrogatorio!
y
Respuestas inteligentes a preguntas estúpidas de la entrevista

Como mencionó el respondedor anterior a su pregunta, definitivamente deberían haber salido de la entrevista innecesariamente grosera.