HABILIDADES ESPECÍFICAS DA FUNÇÃO

Teste de deep learning para contratação

Veja como as pessoas candidatas raciocinam sobre o treinamento de modelos, a escolha de redes e tarefas com imagens.

10 minutos
15 perguntas
Intermediário
Múltipla escolha
Perguntas em inglês (inglês)
Celular e computador

Use este teste gratuitamente Veja os formatos das questões

A resposta curta

O teste de deep learning é uma avaliação de contratação com 15 questões e duração de 10 minutos, voltada a engenheiros de machine learning e deep learning, engenheiros de IA, cientistas aplicados e analistas ou desenvolvedores que precisam de habilidades intermediárias. O teste avalia fundamentos matemáticos, arquitetura de redes, treinamento e regularização, e redes neurais para imagens por meio de cenários, tabelas de resultados de treinamento e trechos curtos de código Python.

O que mede

Conhecimentos e capacidade de análise em deep learning: matemática fundamental, arquitetura de redes, treinamento e regularização, e redes neurais para imagens.

Fundamentos matemáticos

Abrange a matemática por trás do treinamento de um modelo de deep learning.

Arquitetura de redes

Abrange a escolha e a interpretação de arquiteturas de redes.

Treinamento e regularização

Abrange o treinamento de modelos e o uso de regularização.

Redes neurais para imagens

Abrange redes convolucionais e seu uso com imagens.

Formatos de pergunta

Múltipla escolha

A pessoa candidata: Lê uma situação, tabela ou afirmação curta e escolhe a resposta correta ou todas as respostas corretas.

Você verá: Se o candidato conhece o conteúdo o suficiente para aplicá-lo, e não apenas reconhecê-lo.

15 questões em 10 minutos, apresentadas uma de cada vez.

Funções para as quais este teste é indicado

Engenheiros de machine learning e deep learning, engenheiros de IA, cientistas aplicados e analistas ou desenvolvedores de dados cujo trabalho exige habilidades intermediárias em deep learning.

Um indicador objetivo para contratações técnicas

Vá além do currículo
Veja como a pessoa candidata interpreta tabelas de resultados de treinamento e aplica seu conhecimento de deep learning, não apenas quais ferramentas ou projetos aparecem no currículo.
Avalie quatro áreas relevantes
Analise evidências de conhecimentos em matemática do treinamento, arquitetura de redes, treinamento e regularização, e redes neurais para imagens em uma única avaliação breve.
Oriente a próxima conversa
Use as respostas para escolher uma atividade prática relevante ou uma pergunta complementar, em vez de gastar o tempo da entrevista tentando descobrir o que a pessoa candidata já sabe.
Mantenha a avaliação breve
O teste de 10 minutos tem 15 questões de múltipla escolha, incluindo pequenos cenários, tabelas de resultados de treinamento e trechos curtos de código Python.

O que você recebe para cada candidato

Relatório de exemplo (dados fictícios)Aprendizado profundo

83%Percentil 73. Referência: candidatos da HireValid, n = 535

Fundamentos matemáticos90%

Arquitetura de redes85%

Treinamento e regularização72%

Redes neurais para imagens83%

Integrity ScoreAlta confiança

Permaneceu na aba do teste durante todo o teste
Sem respostas copiadas e coladas
Respondeu em ritmo constante

Pontuações, perfis e sinais de integridade são evidências para você analisar junto com uma entrevista, nunca uma decisão automática.

Use este teste gratuitamente

Sinais de integridade da avaliação

Cada pessoa candidata recebe um conjunto diferente de questões, selecionadas de um amplo banco. As questões aparecem em uma ordem diferente a cada tentativa, e as opções de resposta são embaralhadas. O navegador recebe uma questão por vez; os gabaritos ficam nos servidores da HireValid. O tempo é controlado pelo servidor, então, ao recarregar a página, a mesma questão é exibida com o tempo restante. O texto das questões não pode ser copiado nem selecionado, e uma tentativa de cópia bloqueada é registrada na linha do tempo. A HireValid reúne sinais como o tempo fora da aba do teste, colagens nas respostas e respostas dadas mais rápido do que seria possível ler uma questão em um Integrity Score e em uma linha do tempo de evidências para análise do empregador. O sistema não toma decisões por conta própria. Com o consentimento da pessoa candidata, os empregadores podem adicionar fotos da webcam em momentos aleatórios.

Como evitamos fraudes com IA · Sinais de integridade

Use a pontuação como evidência

Considere a pontuação como um dos sinais a serem avaliados por uma pessoa, não como uma decisão de contratação. Combine-a com uma breve atividade prática que peça à pessoa candidata para interpretar resultados de treinamento ou explicar a escolha de um modelo. Depois, use uma entrevista estruturada para explorar seu raciocínio. Mantenha a atividade prática relevante para a função e avalie-a junto com as demais evidências sobre a pessoa candidata. Se você estiver contratando para uma função com um escopo técnico mais amplo, compare esta avaliação com Machine Learning, Artificial Intelligence ou Data Science.

Perguntas para entrevistas estruturadas

Os resultados de treinamento de um modelo melhoram, enquanto os resultados de validação pioram. Como você investigaria o que está acontecendo e decidiria o que mudar?
Observe como a pessoa candidata interpreta os resultados, considera a regularização e explica qual seria um próximo passo prático.
Você precisa escolher uma rede para uma tarefa de processamento de imagens com poucos exemplos rotulados. Como compararia as abordagens possíveis?
Observe se a pessoa raciocina sobre a arquitetura de redes para imagens, o contexto da tarefa e as vantagens e desvantagens, em vez de apenas repetir um termo decorado.
Um pequeno trecho de código Python produz um formato de tensor inesperado durante o treinamento do modelo. Como você investigaria o problema?
Observe se a pessoa explica com clareza como conferir os formatos, interpretar o código e testar uma alteração.

Entenda as pontuações e os parâmetros de comparação

Equidade e adaptações

As questões usam cenários neutros de vários setores, sem expressões idiomáticas, referências a dinheiro ou conhecimentos locais. O código é curto e escrito em Python, sem depender de um framework específico. Os formatos dos tensores e as convenções de qualquer biblioteca são informados nos comentários, para que os hábitos de uma biblioteca específica não determinem a resposta. Os cálculos são simples o suficiente para serem feitos em uma folha de rascunho, os logaritmos ou exponenciais necessários são fornecidos na própria questão, e os nomes refletem diferentes origens.

Você pode oferecer tempo extra a qualquer candidato como uma adaptação. Os resultados são evidências para uma pessoa analisar, nunca uma decisão automática.

Provisório: a confiabilidade será informada quando 200 pessoas candidatas tiverem concluído o teste.

Leia sobre nossa abordagem de equidade

Detalhes do teste

Uma avaliação breve e cronometrada de conhecimentos práticos de deep learning em quatro áreas: a matemática por trás do treinamento, a escolha e interpretação de arquiteturas de redes, o treinamento e a regularização de modelos e as redes convolucionais para imagens. Muitas questões apresentam pequenos cenários, tabelas de resultados de treinamento ou trechos curtos de código Python e perguntam o que a pessoa candidata concluiria ou mudaria.

As perguntas estão em inglês.
Recursos permitidos: Papel para rascunho.
Cada pergunta é respondida uma única vez, em ordem, sem poder voltar.
4 questões para praticar, 4 minutos, antes do teste cronometrado.

Perguntas frequentes

O que o teste de Deep Learning avalia?+

O teste avalia fundamentos matemáticos, arquitetura de redes, treinamento e regularização, e redes neurais para imagens. As questões podem apresentar pequenos cenários, tabelas de resultados de treinamento ou trechos curtos de código Python e perguntar o que a pessoa candidata concluiria ou mudaria.

Quem deve usar o teste de Deep Learning?+

Use este teste para contratar pessoas engenheiras de machine learning e deep learning, engenheiras de IA e cientistas aplicadas, além de analistas de dados ou desenvolvedores cujo trabalho exija conhecimentos intermediários de deep learning. Ele foi criado para servir como um sinal a ser avaliado junto com outras evidências no processo de contratação.

Quanto tempo dura o teste de Deep Learning? A pessoa candidata pode voltar às questões anteriores?+

A avaliação tem 15 questões de múltipla escolha e duração máxima de 10 minutos. As pessoas candidatas não podem voltar às questões anteriores. É permitido usar papel para rascunho, e elas podem experimentar um conjunto separado de quatro questões práticas, com limite de quatro minutos.

O teste de Deep Learning favorece algum framework?+

Não. O código é curto e escrito em Python, sem depender de um framework específico. Os formatos dos tensores e as convenções de qualquer biblioteca são informados nos comentários, para que os hábitos de uma biblioteca específica não determinem a resposta. Os logaritmos ou exponenciais necessários são fornecidos na própria questão, e os cálculos são simples o suficiente para serem feitos em uma folha de rascunho.

Como devo interpretar a pontuação do teste de Deep Learning?+

Analise a pontuação como uma evidência, não como um veredito ou uma decisão de contratação isolada. Converse sobre as respostas relevantes em uma entrevista estruturada e combine o resultado com uma amostra de trabalho que reflita as tarefas de deep learning da função.