Machine Learning / AI

Warum hast du [Firma] verlassen (verlassen)?

Wie haben Sie den konkreten Wert des Confidence Score Schwellenwerts festgelegt?

Arbeitest du jetzt oder nicht?

Ist dir alles zum Produkt (Medienpläne) klar, oder möchtest du etwas klären?

Gab es ein Nachtraining des Modells für diese Aufgabe (nicht LLM)?

Wie würdest du jetzt (mit deinem aktuellen Wissen) das Problem der Klassifizierung und Weiterleitung von Anfragen im Service-Desk lösen, unter Verwendung eines mehrstufigen Ansatzes: regelbasiert → ML → LLM-Fallback → Mensch? Nenne konkrete Technologien, Modelle und Metriken.

Warst du der Hauptverantwortliche für Data Science im Team [Firma]? Welche Ansätze und Technologien kamen von dir, und welche wurden vom Tech Lead festgelegt?

Vergleiche lineare und nichtlineare Modelle im klassischen ML — Vor- und Nachteile.

Welche Arten der Tokenisierung kennen Sie? Vor- und Nachteile jeder.

Erzählen Sie in zwei Worten vom Team, in dem Sie bei [Firma] gearbeitet haben.

Erzähle mir von Regularisierung: Was ist das, wozu ist es gut, welche Arten gibt es.

War es eine Test-/Pilotphase oder ging es direkt in die Produktion und wurde von Managern genutzt?

Was stellte das Produkt bei [Unternehmen] aus Sicht des Benutzers dar (Dokumentenmanagement, Datenextraktion aus KS-2/KS-3/Kostenschätzung)?

Was ist ein Gradient aus mathematischer Sicht und wie wird er im maschinellen Lernen angewendet?

Erzähle mir von einem klassischen ML-Projekt (nicht LLM), auf das du stolz bist.

Erzählen Sie mir von sich, Ihrer Erfahrung und Ihren Schlüsselprojekten (insbesondere über das unternehmensinterne GPT-System bei [Unternehmen]).

Wie haben Sie verstanden, ob das Modell die Daten richtig klassifiziert hat? Welche Maßnahmen waren vom Manager erforderlich?

Wie haben Sie die Qualität der Datenextraktion gemessen?