项目deep dive

按照如下格式，准备自己简历上的每一个项目. 简历上的每一句话都可能被深挖下去

• 商业目标是什么

• 机器学习目标是什么，转化为一个怎样的机器学习任务

• 系统架构到技术细节，scalability

• 评价指标

• 样本构建，数据从哪里获取，多大，什么字段，怎么存储

• 特征

• 模型，为什么使用这个模型（技术选型），与其他解决该类问题的差异

• 部署、更新

• 遇到了什么问题？哪部分是难点，怎么解决

• 如果改变某一条件，应该如何应对

• 如果现在让你做这个项目，会有哪些优化/是否有哪些不足之处

问答

• star原则：situation, task, action, results

• 难点和深度

• 项目中的细节

  • 机器学习项目：the data, labelling, modeling, evaluation metrics

• 是否有不足之处，怎么改善/或现在让你重新来做，会如何改善

• 技术细节、流程、遇到的困难怎么解决、impact、再来一次如何改善

• 如果对项目抽象成解决的问题，然后改变条件，我们应该如何应对

• 如何体现技术深度？

  • 深度其实体现在细节，有共鸣的细节或没有预期但逻辑自洽的细节