NLPの就職面接をマスターする
Mastering NLP job interviews.
NLPはすべてのデータサイエンティストが必ずしも扱う必要があるものではありません。あなたがデータサイエンティストのポジションに応募する企業によって、その必要性が異なります。NLPに興味がない場合でも、最低限それが何であるかを知っている必要があります。
NLPに興味があって、より多くを学びたい場合は、期待されるインタビューの質問を知っておくことが役立ちます。
NLPとは何ですか？
いいえ、最近人気が出た疑似科学的な心理学的アプローチではありません。それはネューロ・リンギスティック・プログラミングと呼ばれています。
「私たちの」NLPもますます人気が高まっていますが、それは自然言語処理を指します。
Wikipediaが素晴らしく言い表しているように、自然言語または普通の言語とは、意図的な計画や事前の計算なしに、人間が自然に使用および繰り返し進化した言語である。
上記の定義で重要な単語は「人間」です。NLPでは、さらにキーワードがあります。それは「コンピューター」です。これにより、NLPはコンピューターに自然言語を理解する方法を教えることを扱います。それはコンピューターなので、理解とは、さまざまなデータ形式に格納された自然言語データを処理および分析することを意味します。
そのため、NLPは人工知能、コンピューターサイエンス、言語学からの知識を組み合わせています。
NLPの用途は何ですか？
NLPは私たちの日常生活の特徴となっています。前の文を書いていたとき、Googleのスマートコンポーズが「everyday lives」というフレーズを提案しました。私はそれを受け入れました。なぜなら、私が書きたかったからです。
これがその1つの用途です：自動修正、自動補完、スペルチェッカー。NLPソフトウェアは、文法的および綴りの間違いをスキャンし、修正したり修正の提案をしたりします。また、文の構文、文脈、および意味を「理解」できるスペルチェッカーもあります。それに基づいて、目的に合わせた修正やより適切な文を提案します。
言語翻訳もNLPの用途の1つです。外国にいるときは、Google翻訳などの翻訳ツールを使用することが多いでしょう。また、Facebook、Instagram、Youtubeなどのソーシャルメディアでも翻訳ツールがますます使用されています。
音声の認識および生成もNLPの用途の1つです。Googleアシスタント、Windows音声認識、Dragon、Siri、Alexa、またはCortanaを思い出してください。話すと、すべてのツールがあなたを理解しているように思えます。あなたが彼らに伝えたことに基づいて、インターネットをブラウズしたり、あなたの言葉をタイプしたり、お気に入りの曲を再生したりします。これらのツールの一部は、音声を生成できるようになっています。
NLPはまた、テキストの「気分」を解読することができます。つまり、テキストの文字通りの意味だけでなく、その背後にある感情を検出できます。これは、文脈内での感情（幸せ、怒り、不安、中立など）、皮肉、二重意味、メタファー、および表現を理解することを意味します。これを感情分析と呼びます。ソーシャルメディアのコメントを理解して、サービス利用規約に違反するものを削除するか、顧客の満足度を分析してコメントやレビューを解析することで、顧客満足度を高めることができます。
NLPはオンラインマーケティングで大きく活用されています。検索するキーワードは、企業、その製品、および広告のキーワードに合わせられます。したがって、あなたがGoogleで検索した製品の広告を見始めたら、心配しないでください。あなたが狂っているわけではありません。それはNLPとターゲット広告の成果物です。
NLPはデータサイエンスと何の関係がありますか？
データサイエンティストは、自然言語自体に興味があるわけではありません。それにコンピューター処理を追加すると、自然言語がデータになり、データサイエンティストの注意を引く可能性があります。
データサイエンティストの目が輝くだけでは不十分かもしれませんが、機械学習（ML）がNLPと重なり、しばしばNLPで使用されることを知ることで、この状況は変わるかもしれません。
上記のすべてのNLPの用途の背後には、通常MLがあります。そして、MLは確実にデータサイエンスに深く没頭している分野です。
機械学習について話すとき、教師あり学習と教師なし学習の区別が通常あります。
NLPで最も一般的に使用される教師あり機械学習モデルは次のとおりです。
- サポートベクターマシン（SVM）
- ベイジアンネットワーク
- 最大エントロピー
- 条件付きランダムフィールド
- ニューラルネットワーク
教師なし学習はNLPではそれほど一般的ではありませんが、いくつかの技術が使用されています。
- クラスタリング
- 潜在的意味インデキシング（LSI）
- 行列因子分解
すべてのMLモデルとアルゴリズムの背後には、基礎となる統計の概念があります。
これらの2つの分野は、データサイエンティストを探しているすべての真剣な企業で重要なテストが行われます。NLPを扱う企業についても同様です。
NLPに特有のの用語もあり、その用語を知っていることが期待されます。
ここで言及したすべてをまとめて、3つの主要なトピックを中心に面接の準備をしましょう。
NLP面接の質問
これまでの話は、NLP面接の質問のカテゴリーにスムーズにつながります。
- 一般的およびNLP用語の質問
- 統計学の質問
- モデリングの質問
「この記事ではコーディングの質問は扱いません。データサイエンティストは一般的にSQLとPythonなどのスキルフルなコーダーであることが常識です。NLPで働くデータサイエンティストにとっても同じことが言えます。つまり、面接のコーディング部分に対しても準備が必要です。」
1. 一般的およびNLP用語の質問
これらのNLP面接の質問は、NLPとは何か、NLPがどのように機能するか、およびNLPに特有の技術的概念に関する知識について扱います。
これは最も「移植可能性が低い」データサイエンスの知識です。言い換えると、もしNLPでまだ作業していない場合、以前のデータサイエンスの知識はあまり役に立たないでしょう。そのため、NLPでの作業経験がない場合、これらの質問を非常に真剣に受け止め、面接のために細心の注意を払って準備する必要があります。
いくつかの質問の例：
- 自然言語処理（NLP）プロジェクトのライフサイクルの段階は何ですか？
- NLPの一般的なタスクは何ですか？
- ステミングとレンマ化の違いは何ですか？
- 情報抽出とは何ですか？
- NLPにおけるセンチメント分析とは何ですか？
- NLPのオープンソースライブラリをいくつか挙げてください。
2. 統計学の質問
統計学の質問は、一般的なデータサイエンティストとして、およびNLPプロジェクトで定期的に使用する統計的概念に関する知識をテストします。
以下はいくつかの例です：
- ベイジアン対頻度主義の統計：ベイジアン対頻度主義の統計にはどのような違いがありますか？
- 隠れマルコフランダムフィールドとは何ですか？
- ピアソンの相関係数：なぜピアソンの相関係数は-1から1の間にあるのですか？
- NLPでのperplexityとは何ですか？
3. モデリングの質問
3番目のNLP面接質問のカテゴリーは、MLとモデル全般に関するものです。これは、NLPで最も一般的に使用されるMLアルゴリズム（上記参照）や、NLPで使用される他の特定の技術や方法に言及することができます。
以下はいくつかの例です：
- GPTとGPT-2の違いは何ですか？
- 特徴抽出とファインチューニングのどちらが好きですか？どのように決定しますか？BERTを特徴抽出器として使用しますか、ファインチューニングしますか？
- マスキング言語モデリングとは何ですか？
- PCAとLDA/QDA：PCAとLDA/QDAの関係は何ですか？
- Naive Bayes Classifier：Naive Bayes Classifierについて何が「ナイーブ」ですか？
まとめ
自然言語処理は、日常生活でますます使用される分野です。現在の用途には、スペルチェッカー、オートコンプリートツール、翻訳、音声認識、生成ソフトウェアが含まれます。NLPは、ソーシャルメディアのモニタリングやオンラインマーケティングでも広く使用されています。
NLPは機械学習と重なるため、NLPにも多くの機械学習の知識が適用されます。ただし、あまり自己満足にならないように注意してください。NLPは、非常に特定の用語、技術、および一般的に使用される方法を知る必要がある広範かつ特定の分野です。
一般的に、面接の質問タイプは一般的なNLPの質問、統計の質問、およびモデリングの質問に分類できます。
上記で提供した例やリソースは、始めるためのものにすぎません。しかし、それらさえあれば、恐れることなくNLPの仕事の面接に臨むことができます。
Nate Rosidiは、データサイエンティストであり、製品戦略に従事しています。また、アナリティクスを教える非常勤講師でもあり、StrataScratchの創設者でもあります。StrataScratchは、トップ企業からの実際の面接質問でデータサイエンティストが面接の準備をするのを支援するプラットフォームです。Twitter：StrataScratchまたはLinkedInで彼とつながりましょう。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
