工程師在機器學習/人工智慧公司求職面試中應該問的幾個業務問題

一直有人問我怎樣才算好的人工智慧/機器學習公司。 如果你是正在考慮找工作的數據學家或者工程師，以下是可在面試中向面試官提出的一些有趣的問題。注意：這些問題主要針對的是業務方面而非技術方面。

1. 為什麼需要這個？就像給人建議一樣，答案非常簡單。但確保你在這個問題上得到一個非常有說服力的回答。許多人工智慧公司都是帶著答案去尋找問題。將技術和市場的關係本末倒置的逆向工程幾乎從來沒有成功過。

2. 在人工智慧出現之前，這個問題是如何得以解決的？人工智慧前的 「人工」 解決方案是不是已經足夠好了呢？常見的回答有： 「我們正在（用人工智慧）取代（傳統）人力。」 而這樣的回答是不夠的。通常來說，有人參與是可以接受的（因為他們細心，熟練，並且盡職盡責）。由於融資機制的存在，人們通常都負擔得起人工費。因此你所追尋的是一個前所未有的產品，一個好10倍或者便宜10倍的產品，而不是好20%或者便宜20%。是10倍！

3. 你跟多少用戶交流過？你在跟用戶的交流中了解到了什麼？所有創始人都跟一些用戶進行過交流，但很少有人跟足夠的用戶進行交談。我時常碰到一些創始人，他們相信即便產品只是基於有限的數據所構建出來的，客戶還是會願意購買。而最好的創始人會不斷的與他們的客戶進行交談。重要的是，他們對客戶當下所面臨的根本問題了如指掌（而不是他們對產品的興奮感）。這種專業知識在構建隨機產品時是非常重要的 (如 「我們需要將查全率以及精度達到怎樣的標準下才可以發布我們的產品」) 。

4. 你們是怎樣盈利的？千萬當心一個問題，我稱之為 「多級火箭」 問題： 「今天，我們在做X，但其實我們的宏偉計劃是做真正有利可圖的Y。」 而這些想法通常會以失敗告終。

5. 你們公司將如何成長？怎麼會有人知道你們？糟糕的回答：口碑。 每個人都希望擁有一個積極的K值。 有時候它會奏效（我相信你一定很想早日在Facebook上出名）。 製作一種病毒產品需要雄厚的資金或者擁有令人難以置信的藝術技巧，知道什麼能讓人們自掏腰包。除非你擁有以上任何一項，否則我建議你找一個經得起時間考驗的替代方案：付費營銷。好的回答包括獲取客戶的成本，客戶的生命周期價值，使用的營銷渠道等等。

6. 這個市場到底有多大？我建議這個問題只用來作為一個了解創始人心態的金絲雀測試。他們是專註於建立一個大型公司還是做研究？他們要是說一個非常大的數字 「4000億美元」 就是一個糟糕的回答。更好的做法是提供一個保守的計算，一旦相乘的結果算出來，答案就顯而易見： 「我們每月在每個客戶那能賺10美元，我們認為有大約1.5億人在這個市場里，這樣我們將有180億美元的年收入。」

7. 是什麼能讓企業站得住腳？不好的回答：演算法。 在軟體領域，演算法很難讓公司持續發展下去。谷歌因PageRank演算法而取得了巨大的成功，但它是因為互聯網，才能仍然保持著良好的發展。

還有很多其他因素可以進行優化，比如與你共事的人，你將要使用的技術，通勤方面等。在考慮決策的市場因素方面，我希望這篇文章將是一篇有用的指南。

英文原文：https://ogmcsrgk5.qnssl.com/vcdn/1/優質文章長圖/seven-questions-to-ask-when-interviewing-for-an-ml-job-1963ccee3a19.png

譯者：江一明

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！