マシンラーニング・インタビュー

第6章. テクニカル・インタビューモデルのデプロイとエンド・ツー・エンドML

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

章と 4章では、MLのアルゴリズム、モデルのトレーニング、評価に関連する重要なインタ ビューの概念について、 。MLモデルがユーザにインパクトを与えるためには、ユーザがあなたの会社の顧客であろうと、社内のユーザや従業員であろうと、モデルはデプロイされる必要がある。

デプロイには様々なレベルがあるが、最も重要なことは、モデルの最終目標が達成されることである。もしあなたのモデルが、マーケティングチームが新しい結果を求めるたびに手動でアドホックに実行され、それがうまくいっているなら、それはあなたのデプロイのレベルかもしれない。あるいは、完全に自動化されたシステムで、モデルをトレーニングした人はモデルのトレーニング以上のことをする必要がなく、A/Bテストの一環としてモデルを顧客に提供することもできる。最終目標がデプロイを必要とする状況であれば、それがデプロイのレベルかもしれない。

その点、MLプロフェッショナルにとって、デプロイの詳細をすべて知っている必要はない。しかし、もしあなたが以下のような仕事に応募するのであれば、このセクションで述べたトピックをブラッシュアップしておくと役に立つだろう。モデルデプロイに関するより深い知識が必要とされそうな役割には、以下のようなものがある：

• モデルトレーニングだけではない機械学習エンジニア

• MLOpsエンジニア

• MLデプロイに携わる専任者を持たないスタートアップのデータサイエンティストまたはMLE

偶然にも、あなたの仕事がこのタイプの役割に該当すればするほど、面接では、ソフトウェアエンジニアリングの面接ループと重複する、第5章で述べたコーディングの質問も含まれる可能性が高くなる。

一方、志望する企業やチームの役割が非常に定義されており、志望する役割がハンズオンデプロイを行う必要がない場合や、志望する職種が以下のような場合は、この章を読み飛ばすこともできるだろう：

• プロダクト・データ・サイエンティスト

• データサイエンティスト、アプライドサイエンティスト、MLEなど、モデル開発やその他の分析に重点を置く。

この章では、モデルのデプロイ、デプロイ後のモデルの監視、その他のエンドツーエンドのMLプロセスやツールについて説明する。加えて、より高度なML面接のトピックである、システム設計、過去のプロジェクトの技術的な深堀り、製品センスについても簡単にまとめる。これは、あなたがこれらのトピックに遭遇した場合、どのように準備すればよいかを知っておくためである。良いニュースは、より難しいトピックは、エントリレベルではなく、シニアやスタッフ以上のレベルでしか期待されないということだ。

モデルのデプロイ

、デプロイされるモデルについて私が使った例えは、"ライブでオンエアされる "というものだ。MLの役割では、 第1章で議論したように、これはマシンラーニングのライフサイクルの重要な部分である。MLのデプロイにフォーカスした役割のインタビューでは、MLやソフトウェアのインフラ（モデルの提供を容易にする）、MLの仮説テスト、モニタリング、モデルのアップデートなど、モデルがデプロイされた後のトピックに触れることができる。

サイドプロジェクトとしてMLモデルを構築する場合、それをテストするユーザがそもそも存在しないかもしれないからだ。したがって、サイドプロジェクトに関しては、私の経験上、優先されることはあまりない。 ...