¿Cuántos algoritmos de aprendizaje automático, y a qué profundidad, debo saber para entrevistar con confianza para un puesto de científico de datos de nivel de entrada?

Desde mi experiencia de ser entrevistado para funciones de minería de datos / ciencia de datos / aprendizaje automático, realmente no necesita un doctorado si ha realizado proyectos interesantes. Por supuesto, algunos roles específicos pueden pedirlo, pero no todos.

Además, creo que no sería inteligente que alguien lo evaluara con base en el conocimiento aleatorio de ML, sino quizás en los conceptos básicos (kNN, árboles de decisión, regresión logística, SVM, perceptrón, …) y, en un nivel más profundo, en el algoritmos que ya has estudiado y con los que has trabajado. Si ha trabajado con varios modelos y pudo comprenderlos e implementarlos profundamente, es probable que pueda hacerlo con otros modelos. Mis entrevistas han variado desde pedir implementar árboles de decisión / knn hasta explicar mis proyectos y las decisiones que tomé. Normalmente se centran en un problema que la empresa está tratando de resolver (o incluso que ya tienen una solución) y se preguntan cómo abordaría el problema, las compensaciones de las ideas que doy y cómo recopilar los datos.