Einstellungstest für KI und maschinelles Lernen
Vergleichen Sie 14 Tests zu KI und maschinellem Lernen nach Kompetenz und Niveau. Wählen Sie Tests zu Modellerstellung, Sprache, Bilderkennung, bestärkendem Lernen oder Cloud-ML-Arbeit aus.
Die kurze Antwort
Diese 14 Multiple-Choice-Tests dauern jeweils 10 Minuten und decken KI-Methoden, klassisches und Deep Learning, neuronale Netze, Sprach- und Bildmodelle, Reinforcement Learning sowie Cloud-Tools ab. Die Tests für mittleres Niveau eignen sich für verschiedene KI- und Machine-Learning-Stellen. Die Tests für fortgeschrittenes Niveau konzentrieren sich auf Computer Vision und Multi-Task Learning. Nutzen Sie die Ergebnisse als Informationsgrundlage für Ihre Beurteilung.
14 Tests
Computer Vision
10 Minuten · 15 Fragen · Fortgeschritten
Multiple Choice
Test ansehenRollenspezifische FähigkeitenDeep Learning
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenRollenspezifische FähigkeitenKünstliche Intelligenz
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenRollenspezifische FähigkeitenMaschinelles Lernen
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenProgrammierfähigkeitenMaschinelles Lernen in Amazon Web Services (AWS)
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenProgrammierfähigkeitenMaschinelles Lernen in Azure
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenProgrammierfähigkeitenMaschinelles Lernen in Google Cloud Platform (GCP)
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenProgrammierfähigkeitenMultitask-Lernen (MTL)
10 Minuten · 15 Fragen · Fortgeschritten
Multiple Choice
Test ansehenProgrammierfähigkeitenNeuronale Netze
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenProgrammierfähigkeitenPyTorch
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenRollenspezifische FähigkeitenReinforcement Learning (RL)
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenProgrammierfähigkeitenScikit-learn
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenProgrammierfähigkeitenTensorFlow
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenRollenspezifische FähigkeitenVerarbeitung natürlicher Sprache (NLP)
10 Minuten · 15 Fragen · Mittelstufe
Multiple Choice
Test ansehenTests nach Kategorie
- Programmierfähigkeiten (9 Tests)
- Rollenspezifische Fähigkeiten (5 Tests)
Was die KI- und Machine-Learning-Tests abdecken
Die Tests decken sowohl allgemeine Methoden als auch spezifische technische Aufgaben ab. Der Test Künstliche Intelligenz prüft, wie Sie Suche, Unsicherheit, Spiele und Nebenbedingungen, Logik und Planung auf kleine Probleme anwenden. Der Test Machine Learning konzentriert sich darauf, klassische Verfahren auszuwählen und anzupassen sowie ihre Ergebnisse zu interpretieren. Für neuronale Modelle deckt Deep Learning Mathematik, Architektur, Training, Regularisierung und neuronale Netze für Bilder ab.
Andere Tests befassen sich mit spezifischen Anforderungen an Daten oder Modelle. Natural Language Processing (NLP) behandelt die Textaufbereitung, Textmodelle, Informationsextraktion und Transformer-Sprachmodelle. Computer Vision prüft Ihr Urteilsvermögen bei Bildoperationen, Objekterkennung, Kennzeichnung auf Pixelebene, Kamerageometrie und Bereitstellung. Reinforcement Learning (RL) behandelt Grundlagen, modellfreie Methoden, Deep-Value- und Policy-Methoden sowie das Training von Agenten.
Die Bibliothek umfasst auch Tests zu Frameworks wie PyTorch, Scikit-learn und TensorFlow sowie Tests zu Cloud-ML und Multi-Task-Learning. Alle Tests dieser Gruppe sind Multiple-Choice-Tests und dauern 10 Minuten.
Wählen Sie Tests passend zur Stelle und zum Erfahrungsniveau
Für Data Scientists, Data Analysts, Data Engineers sowie KI- und Machine-Learning-Ingenieurinnen und -Ingenieure, die Kenntnisse auf mittlerem Niveau benötigen, kommen Machine Learning oder Artificial Intelligence infrage. Der Machine-Learning-Test eignet sich auch für technische Führungskräfte und Produktverantwortliche, deren Arbeit Kenntnisse in ML auf mittlerem Niveau erfordert. Für Ingenieurinnen, Ingenieure und Analystinnen und Analysten, die mit Text arbeiten, prüft Natural Language Processing (NLP) praktische NLP-Kenntnisse.
Für Personen, die auf mittlerem Niveau Modelle entwickeln, umfasst der Test zu Neuronalen Netzen den Entwurf, das Training, die Fehlerbehebung und die Anwendung von Netzwerken. Wählen Sie einen Framework-spezifischen Test, wenn die Stelle dies erfordert: PyTorch eignet sich für Personen, die PyTorch-Modelle entwickeln oder warten. TensorFlow konzentriert sich auf TensorFlow-Modelle, Datenpipelines und Training. Der Test zu Scikit-learn eignet sich für Personen, die mit dieser Bibliothek Modelle entwickeln oder überprüfen.
Der fortgeschrittene Test zu Computer Vision richtet sich an Ingenieurinnen und Ingenieure, die mit Bild- oder Videomodellen, maschineller Wahrnehmung oder visuellen Daten arbeiten. Multi-Task Learning (MTL) ist für ein fortgeschrittenes Niveau gedacht und eignet sich für erfahrene Ingenieurinnen und Ingenieure, Forschende und Wissenschaftlerinnen und Wissenschaftler, die Modelle für mehrere Vorhersageaufgaben entwickeln. Diese Tests prüfen unterschiedliche Fähigkeiten. Wählen Sie daher diejenigen aus, die zur tatsächlichen Arbeit in der Stelle passen.
Kombinieren Sie Tests passend zur Arbeit
Beginnen Sie mit einem Test zur zentralen Fähigkeit der Stelle. Ergänzen Sie einen gezielten Test nur dann, wenn die Arbeit zusätzliche Informationen erfordert. Bei einer Machine-Learning-Stelle auf mittlerem Niveau können Sie Machine Learning mit Deep Learning kombinieren, wenn auch Deep-Learning-Kenntnisse benötigt werden. Für eine erfahrene Person, die Modelle für Bilder oder Videos entwickelt oder bereitstellt, ergänzen Sie den fortgeschrittenen Test zu Computer Vision.
Für eine Stelle mit Schwerpunkt Text kann Natural Language Processing (NLP) mit Machine Learning kombiniert werden, wenn beide Bereiche wichtig sind. Für eine Stelle, in der lernende Agenten entwickelt werden, können Sie Reinforcement Learning (RL) zusammen mit Artificial Intelligence einsetzen. So prüfen Sie sowohl Methoden für Agenten als auch grundlegende KI-Ansätze.
Ein Cloud-Test kann zusätzliche Informationen zu Bereitstellung und Betrieb liefern, statt zur Modelltheorie. Wählen Sie Machine Learning in Azure, Machine Learning in Amazon Web Services (AWS) oder Machine Learning in Google Cloud Platform (GCP), je nachdem, welche Plattform in der Stellenbeschreibung genannt wird. Betrachten Sie jedes Ergebnis als einen Hinweis neben anderen Informationen über die kandidierende Person und nicht als alleinige Entscheidungsgrundlage.
Wie diese Tests für faire Fragen sorgen
Jeder Test enthält praktische Vorkehrungen, damit sich die Fragen auf die geprüfte Fähigkeit konzentrieren. Bei Computer Vision werden Bilder mithilfe von Arrays, Tabellen, Formen und kurzen Codebeispielen statt anhand von Fotografien beschrieben. Die Fragen setzen weder voraus, dass Personen oder Orte erkannt werden, noch dass Farben visuell unterschieden werden. Bei Deep Learning kommt kurzes, framework-neutrales Python zum Einsatz. Wo nötig, werden die Konventionen der Bibliotheken angegeben.
Andere Tests vermeiden die Abhängigkeit von den Standardeinstellungen bestimmter Tools. Bei Machine Learning geht es um Konzepte und nicht um Funktionsnamen oder Standardeinstellungen einer bestimmten Bibliothek. Bei Neuronalen Netzen werden die zum Beantworten nötigen Formen, Einstellungen und Konventionen angegeben. Kenntnisse zu Namen oder Standardeinstellungen eines bestimmten Frameworks sind nicht erforderlich. Im Test zu PyTorch kommt kurzer, eigenständiger Code zum Einsatz; eine GPU ist nicht erforderlich.
In der gesamten Testgruppe ist die Sprache klar, die Szenarien sind neutral und die Berechnungen lassen sich einfach von Hand durchführen. Bei Reinforcement Learning (RL) wird jedes Symbol dort definiert, wo es verwendet wird. Natural Language Processing (NLP) verwendet nur die integrierten Funktionen von Python und dessen Standardbibliothek, niemals Bibliotheken von Drittanbietern. Bei mehreren Tests, darunter TensorFlow und Artificial Intelligence, dürfen alle Kandidatinnen und Kandidaten Schmierpapier verwenden. Ein Ergebnis ist eine Informationsgrundlage für Ihre Beurteilung, kein abschließendes Urteil über eine kandidierende Person.
Häufig gestellte Fragen
Welche Tests eignen sich für eine Stelle, in der lernende Agenten oder Spiele-KI entwickelt werden?+
Reinforcement Learning (RL) eignet sich für Ingenieurinnen und Ingenieure sowie Entwicklerinnen und Entwickler von Spiele-KI, die lernende Agenten entwickeln oder abstimmen. Der Test umfasst modellfreie Methoden, Deep-Value- und Policy-Methoden sowie praktische Ansätze für das Training von Agenten. Artificial Intelligence eignet sich ebenfalls für Spieleentwicklerinnen und -entwickler, die KI-Verhalten entwickeln. Der Test umfasst außerdem Suche, Spiele und Planung.
Welcher Test eignet sich für Machine Learning auf einer Cloud-Plattform?+
Wählen Sie den Test für die Plattform aus, die in der Stelle verwendet wird: Machine Learning in Azure, Machine Learning in Amazon Web Services (AWS) oder Machine Learning in Google Cloud Platform (GCP). Alle drei Tests sind für ein mittleres Erfahrungsniveau gedacht und eignen sich für Machine-Learning-Ingenieurinnen und -Ingenieure sowie Data Scientists. Die Fragen prüfen die praktische Urteilsfähigkeit und nicht das Erinnern an Preise oder Kontingente, die sich häufig ändern.
Welche KI- und Machine-Learning-Tests sind für Fortgeschrittene?+
Computer Vision und Multi-Task Learning (MTL) sind Tests für ein fortgeschrittenes Niveau. Computer Vision prüft die praktische Urteilsfähigkeit im Umgang mit visuellen Daten und bei der Bereitstellung von Modellen. Multi-Task Learning prüft, ob Sie Modelle entwerfen, trainieren, anpassen und evaluieren können, die Wissen über mehrere Aufgaben hinweg gemeinsam nutzen.
Wie sollte ich KI- und Machine-Learning-Tests kombinieren?+
Wählen Sie einen Test für die wichtigste Fähigkeit der Stelle aus und ergänzen Sie einen gezielten Test, wenn die Arbeit einen weiteren Bereich erfordert. Kombinieren Sie zum Beispiel Machine Learning mit Natural Language Processing (NLP), wenn die Stelle sowohl allgemeine ML-Methoden als auch die Arbeit mit Text umfasst.
Sind KI- und Machine-Learning-Tests an ein bestimmtes Framework gebunden?+
Einige Tests beziehen sich auf bestimmte Frameworks, darunter PyTorch, TensorFlow und Scikit-learn. Andere prüfen allgemeinere Konzepte oder Methoden. Der Machine-Learning-Test konzentriert sich zum Beispiel auf Methoden und nicht auf die Standardeinstellungen oder Funktionsnamen einer bestimmten Bibliothek.
Wie sollte ich die Ergebnisse von KI- und Machine-Learning-Tests nutzen?+
Betrachten Sie ein Ergebnis zusammen mit anderen Informationen über die kandidierende Person als Grundlage für Ihre Beurteilung. Diese Tests messen bestimmte Fähigkeiten. Ein Ergebnis allein sollte jedoch nicht darüber entscheiden, ob eine Person für eine Stelle geeignet ist.
Stellen Sie aus diesen Tests einen Eignungstest zusammen
Wählen Sie die Tests für Ihre Stelle aus, laden Sie Kandidaten ein und vergleichen Sie ihre Ergebnisse.