Machine Learning Interviews

Guía especializada de preparación profesional y técnica escrita por Susan Shu Chang (Principal Data Scientist) y publicada por O'Reilly en 2024. El libro aborda los procesos de selección y contratación para perfiles de datos e inteligencia artificial en la industria tecnológica moderna. Está orientada a profesionales de nivel intermedio: graduados de programas técnicos avanzados, ingenieros de software en transición hacia el aprendizaje automático y científicos o ingenieros de machine learning que buscan preparar promociones a puestos sénior y de liderazgo técnico. Requiere conocimientos previos de programación con Python, álgebra lineal, cálculo y conceptos fundamentales de aprendizaje supervisado y no supervisado.

La autora desglosa en detalle la taxonomía y expectativas de los distintos perfiles de la industria (Machine Learning Engineer, Applied Scientist, Data Scientist y MLOps Engineer), enseñando a auditar las habilidades del candidato con una matriz de competencias y a elaborar currículums técnicos eficaces que superen filtros de reclutamiento automatizados (ATS). En el apartado técnico, abarca preguntas conceptuales de teoría algorítmica (equilibrio sesgo-varianza, funciones de pérdida, optimizadores y métricas de evaluación como ROC-AUC y F1-Score), resolución de problemas de programación y estructuras de datos aplicadas a ML en Python, y diseño de sistemas de machine learning a escala (ingesta y validación de datos, despliegue, latencia, monitorización y reentrenamiento). Asimismo, profundiza en cómo afrontar pruebas técnicas para llevar a casa (take-home assignments) y cómo estructurar respuestas en entrevistas conductuales mediante marcos como STAR y el método del Viaje del Héroe.

El libro no propone el desarrollo de un proyecto de software monolítico, sino que plantea un entrenamiento intensivo mediante simulaciones de entrevistas técnicas, análisis de casos arquitectónicos de producción y cuestionarios prácticos de código y conducta. Su principal virtud reside en desmitificar las rúbricas y criterios reales que utilizan los paneles de contratación en empresas tecnológicas, enseñando a articular el valor técnico y de negocio de cada decisión. Deja fuera la explicación introductoria de sintaxis básica o derivaciones matemáticas paso a paso, por lo que exige contar con experiencia previa en modelado antes de iniciar su lectura.