기술면접

중요한 질문들이 몇 가지 있었는데, 잘 전달할 수 있었을 내용이었지만 충분히 제대로 전달을 못했다.앞으로 면접에서 이야기할 주제들에 대해서 조금 더 짜임새 있게 이야기를 완성시키고 몇 번 연습해 보아야겠다. 모델을 만들고 난 후 더 개선이 이루어졌다는 것을 PM에게 어

데비시스터즈 라이브 코딩 테스트에서 탈락했다. 쉽다고 생각한 문제였지만 코드의 완성도 그리고 요구조건의 구현역 모두 부족했던 모양이다. 코드가 부족해서 탈락했다는 뜻에 마음이 쓰인다. 어떤 것 하나도 탁월하게 되지 못한 상황에서 가장 자신있다고 생각하는 코드가 부족하다

1:1 화상 면접 진행. 경험 소개 추천 서비스에 대한 간략한 설명. 어떤 툴을 사용해서 서빙하였는지, 어떤 툴을 이용해서 학습하였는지. Sagemaker Inference를 이용했음. Sagemaker Train을 사용하였으며 알고리즘을 Docker 이미지에 올려서

추천 모델을 만들 때 implicit data를 활용하는 것을 보완하기 위한 연구 논문을 찾아 본 적이 있는가?알고리즘을 직접 구현해서 사용해본 적이 있는가?

이번주에는 여러 곳에서 불합격 통보가 왔다.면접을 봤던 중고거래 플랫폼은 진행한 직후 예감이 좋지 않았고,서류만 보냈던 글로벌 e커머스 C사, 국내 기업으로 A/B테스트 플랫폼을 제공하는 H사, 국내 통신사 S사 로부터는 모두 서류 단계에서 탈락했다.H사의 경우에는 3

질문의 목록을 정해놓고 물어보거나 의문을 제기하는 방식으로 진행되는 면접은 좋지 않은 면접니다. 왜냐면 면접을 받는 입장에서 정해놓은 질문에 대해 답변이 잘 떠오르지 않거나 자신이 이야기 한 내용에 공격을 받는다고 심리적으로 받아들여서 위축될 수도 있기 때문이다.좋은

gradient based algorithm 에 대해서 좀 알아보자.back-proparation through time (BPTT) 가 뭐지?real-time recurrent learning algorihtm (RTRL) 이뭐지?cost function 과 loss

토스 면접 (8월 15일)퇴사하고 처음으로 면접을 본 경험이었다. 나는 A사의 ML팀의 위치나 실력에 대해서 사전에 명확히 알 수 없었기 때문에 면접을 보면 무난히 이야기가 될 것 같다는 생각을 했다. 그래서 면접에 대한 준비를 따로 하지 않았다.리드를 포함하여 세 사

베이지안은 통계학이다. 통계학이라는 점에 변함은 없지만 베이지안 통계학은 믿음에 대한 사고체계라는 점을 절대 잊어서는 안된다. 전통적 통계학은 진실이 존재한다는 가정하에 진실을 이야기하겠다는 것이고, 베이지안 통계학은 진실을 알 수 없으므로 내가 진실에 대한 가설을

우선 나는 개발자 경험이 없는 현재 머신러닝 엔지니어로써 대학원 수준의 통계학을 전공한 5년차 엔지니어임을 미리 알고 이 글을 참조하면 좋겠다. 직무 타이틀이 크게 의미 없다고 생각하지만, 그 전에 3년 이상은 데이터 사이언티스트 직무를 달고 있었다. 내 경험상 크게

logistic regression을 기술면접에서 자주 물어본다. 비교적 간단하면서도 머신러닝 교재의 실전 알고리즘 1번에 등장하기 때문이 아닐까? 그런데 기술면접에서 이 질문에 대한 내 답변은 늘 부정적인 피드백을 받았다. 나는 통계학에서 배운대로 일반선형회귀(Ge

요즘 들어 많이 생각하는 주제는 머신러닝 또는 DS 프로젝트에서 테스팅을 어떻게 해야하는지에 관한 것이다. 프로그래밍을 하기 때문에 테스트를 당연히 해야하지만 뭔가 ML/DS 영역에서의 테스팅은 기존의 프로그래밍 테스트와 다른 부분이 있는 것 같다. 자세한 이야기는

ByteDance 면접 때, interviewer가 내게 다형성이 무엇인지 물었다.당황한 나의 대답은 "부모 클래스를 가지는 자식 클래스 각각에서 메써드의 구현을 다르게 할 수 있다" 였다. 당황해서 다형성에 대한 설명은 할 수 없었고 다형성이 표현된 방식을 설명한 것

오랫만에 코테 연습. 올 해 들어서 몇 문제 풀지 않았지만 그래도 10번째 문제 정도 되는 것 같다. 지난 번에 승지니어 강의 들으면서 외워둔 코드를 혼자서 다시 풀어봤다. 하루밖에 안지났는데도 처음엔기억이 안나더라..

Amazon Athena가 나왔을 때 Hive Metastore와 s3 조합은 매력적이었다. 2010년대 말 AWS Partner로써 일했을 무렵 국내에서는 비싼 DW 시스템(Oracle, IBM, Teradata 등)에 대한 Cloud Migration이 한창이었다

자주 등장하는 머신러닝의 기본 개념들 (스스로 소화해 보기, 추가로 20~30개 정도 더 준비) TransformerEncoder와 Decoder 구조를 가지고 문장 전체의 의미와 순서를 학습할 수 있는 아키텍처임. 인코더에서는 문장 속 각 단어를 Vector로 이해하

자주 이야기 하지 않는 어떤 이야기여기서는 소위 개조식, 즉 일목요연한 스타일로 작성하겠음. 목표는 잠재 구직자들에게 정보를 제공하고 싶어서임. 단, 채용 기밀은 유출하지 않는 것이 원칙.8월 초 쿠팡 recruiter에게서 inbound 연락이 왔음Senior/Sta