면접 후기- 중고거래플랫폼

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 사용했다. 와 같은 내용을 이야기했다. (하지만 별로 관심을 보이는 것 같지 않았다. 사실 인터뷰어가 무엇에 관심을 가지고 물어보는지 정확히 캐치하지 못했던 것 같다.)

  • 추천 서비스 이외에 ML 서비스를 개발한 것이 있는가
    • 실수로 suggester 기능 개발과 관련 없는 bert내용을 붙여서 설명하다가 오히려 의구심을 샀던 것 같다. 굳이 해도 좋을 것이 없는 내용을 하다가 거짓말이 덧 붙여지는 경험은 다시 반복하고 싶지 않다.
  • 자신있는 것은 무엇인지
    • 내가 자신 있는 일은 머신러닝을 만들어가기 위한 여러가지 노력에 대하여 많은 노력을 했다는 점이었다. 실제로 내가 시간을 많이 들인 일은 코딩을 잘 하기 위한 노력이었지만 보다 전문적인 관심사는 머신러닝 제품화에 있다고 솔직하게 이야기 했는데 이 답변에 대한 반응을 확인하기는 어려웠다.
  • 커리어 목표가 무엇인지
    • 처음에는 내가 관심을 가지는 내용을 솔직하게 이야기했다. 특히 인터뷰어가 세부적인 목표를 물어보았기 때문에 내가 관심있는 일이 머신러닝을 코드로 잘 구현하는 일이라고 했는데, 정말로 그러한 목표가 어필되었는지 의문이 들었다.
  • 우리 회사에서 하고싶은 일이 무엇인지
    • 실제로 회사에서 하고 싶은일에 대해서 생각해보지 못해서 일반적으로 추천 시스템에서의 단점을 이야기하고 추천시스템의 한계로 인해서 다른것을 해보고 싶다는 임기응변식 답변이 되었던 것 같다. 사실대로 나는 추천시스템을 좋아하고 잘하지만 다른 일에는 아직 경험이 많지 않다고 답하는 것이 좋지 않았을까.

• 라이브코딩

  • collections.most_common(l:List)을 구현하기
  • heap을 사용하면 자연스럽게 구현하 수 있었던 것 같은데 그 순간에는 기억나지 않아서 구현하지 못했고, most_common이 아니라 max appearance item을 구하는 방식으로 잘 못 짰다. test 코드도 구현해야 했는데 test 코드에서도 올바르게 테스트 될 수 있는 로직을 구현하지 못해서 잘 못 된 결과가 그대로 pass되어 버렸다.

• 딥러닝 지식

  • 왜 분류 문제에서 cross-entropy가 좋은지
  • gradient decent 개념을 설명해보라

  ---

당시 구현하지 못했으나 다시 구현해본 코드 첨부

s = "cc cc cc aa aa bb bb"
import heapq
def top_k_keyword(s,k):
    d = {}
    ss = s.split(" ")
    for elem in ss:
        if elem in d.keys():
            d[elem] += 1
        else:
            d[elem] = 1
    mylist = list(d.items())
    mylist = [(-v,key) for key,v in mylist]
    heapq.heapify(mylist)
    answer= []
    for _ in range(k):
        answer.append(heapq.heappop(mylist)[1])
    return answer
print(top_k_keyword(s,2))