ＡＬＢＥＲＴのインターンシップの面接（一次面接〜最終面接）の質問と回答一覧（全1件）

論理的に説明できるのかと知識量について問われていたと思います。 まず、階層的という名の通り、階層的クラスタリングは階層的な構造ができており、非階層的クラスタリングはそうでなありません。つまり、階層的クラスタリングは幾つのクラスターに分けるのかをあらかじめきめる必要はなく、非階層的クラスタリングは幾つのクラスターに分けるのかをあらかじめ決める必要があります。また、階層的クラスタリングはクラスター間の距離をどのように取るのかや、そもそもの距離の定義をあらかじめ決める必要があります。 続きを読む

弊社は基本的にはデータサイエンティストが大半を占めている企業ですが、そもそもなぜデータサイエンティストになろうと思ったのでしょうか？ 私は元々統計学を専攻しており、統計学を専攻した理由としてはデータ分析が好きなことや論理的に物事を考えて組み立てることに楽しさを覚えています。実際にデータ分析の現場にアルバイトとして行って体験してみることでデータサイエンティストとして働きたいという思いが強くなりました。 続きを読む

余り具体的には描けていない。漠然と1，2年は手を動かして知識とスキルを身に着けてその先は、わからない。データサイエンティストのキャリアパスとしてはマネージャーになったりすることがあげられると思うが、自分がそういう全体をまとめるような仕事をしたいのかは今現在ではわからない。 これに対して、面接官のプロマネの人がALBERTでのキャリアパスについていろいろ教えてくれた。プロマネやる人もいるし、特定の技術のスペシャリストになる人、いろんなことやるジェネラリスト、ALBERTは外部講師なども請け負っているのでそういう教育担当に行く人、あとは人数は少ないがR&D部門に行ってリサーチャーになる人など。 これに対していろいろなことやりたいからジェネラリストになりたいといった気がする。 続きを読む

自分で考えを言語化する必要がある。ここまでうまく話せてはいないが大体の内容を伝えることができれば大丈夫だと思われる。また、質問内容はおそらくスキルチェックシートに合わせた内容。 過学習とは教師データにモデルが過剰に適合した状態のことで、英語でオーバーフィッティング。教師データに対しては高い精度だが、テストデータに対しては精度は出ない。対策としてはパラメーターの絶対値を小さくするために正則化項を追加してL2正則化などを行う方法がある。他にはベイズモデルを利用する方法もあるが、本質的に両者は変わらない。 ここで、正則化項を用いる手法について具体的な名前を知っているかと聞かれ、 ラッソ回帰やとリッジ回帰は手元で実装したことがあると答えた。 続きを読む

選考中の他社は，事前質問票（ES）に基づいて具体的な企業名で質問される．私は事前質問票に外資系コンサルティングファームのテクノロジー部門を挙げていたため，その会社（以下A社）と比較した．A社とALBERT，どちらもデータ分析からビジネスの改善や新規事業等を提案するという流れは変わらないが，前者はよりビジネス寄り，後者はデータサイエンス寄りだと感じる．具体的には，私がA社のインターンシップに参加した際には，実行したい案ありきで分析結果がその補足に使われている印象を受けた．データは適切な分析手法によって分析されなければ，ミスリードに繋がりかねない諸刃の剣であり，専門知に重きを置くALBERTでデータの扱い方の基本を学びたいと感じた． 続きを読む