Röportajda sadece "ne yaptın?" sorusu yetmez. Eşleştirme (matching) sistemleri, platformlarda kullanıcı deneyimini, adaleti ve iş sonuçlarını doğrudan etkiler. Adayın teknik yeterliliğini, tasarım yaklaşımını, veri bilincini ve itiraz süreçlerine bakışını ölçen doğru sorularla hem gerçek performansı hem de olası riskleri açığa çıkarabilirsiniz.
Giriş: Neden bu sorular önemli?
Eşleştirici (ör. iş-işçi, alıcı-satıcı, kullanıcı-ürün, mentör-mentee) algoritmalar, ters yönde etkiler, gizli varsayımlar ve ölçeklenme sorunları barındırır. Sorularımız hem algoritma tasarımı hem de operasyonel uygulama (monitoring, erişilebilir itiraz süreçleri) tarafını hedefler. Aşağıdaki 12 soru, adayın teori, pratik ve savunulabilirlik (explainability + fairness) yetkinliklerini değerlendirmenizi sağlar.
Genel değerlendirme biçimi
Her soru için üç unsur göz önünde bulundurulmalı:
- Teknik doğruluk: Matematiksel yaklaşım, veri yapıları, zaman/uzay karmaşıklığı.
- Pratik uygulama: Ölçekleme, veri mühendisliği, gerçek dünya kısıtları.
- Etik ve operasyon: Yanlılık tespiti, kullanıcı itirazları, loglama ve izlenebilirlik.
12 Temel Röportaj Sorusu
1. Eşleştirme problem tanımı: "Bu problem bir maksimum eşleme mi, öneri (ranking) mi yoksa optimizasyon tabanlı bir görev midir?"
Neden sorulur: Adayın problemi doğru sınıflandırması, uygun algoritma ailesini seçmesiyle başlar. Yanıt idealde problemi formalize etmeli (objective, constraints, scale).
- İzleyici sorular: Hedef metrik nedir (recall@k, NDCG, fill-rate, revenue)? Kapasite/slot kısıtları var mı?
- İyi cevap göstergesi: "Bu problem constrained bipartite matching ile modellenebilir; eğer sıra önemliyse ranking kaybı optimize edilmeli."
2. Veri yapısı ve özellik mühendisliği: "Hangi girdiler olmalı, hangi etkileşimleri loglardınız?"
Detay: Adayın hangi sinyalleri (implicit/explicit), hangi dönüşümleri ve hangi zaman pencerelerini kullanacağını açıklaması beklenir.
- Pratik örnek: Kullanıcı davranışı, zaman-of-day, konum, geçmiş eşleştirme sonuçları, reddetme sebepleri.
- Değerlendirme: Eksik veri ve gecikme (latency) ile nasıl başa çıkacağını anlatmalı.
3. Ölçeklendirme: "Milyonlarca kullanıcı ve öğe olduğunda nasıl ölçeklersiniz?"
Bu soru teknik derinliği ve sistem tasarım bilgisini sorgular. Adaydan approximate nearest neighbors, sharding, offline/online hibrit mimari açıklaması beklenir.
- İyi yanıt: Candidate generation + ranking pipeline; cache stratejileri; batch recompute vs streaming updates.
4. Yanlılık ve adalet: "Modelinizin gruplar arası performans farkını nasıl ölçer ve düzeltirsiniz?"
Burada sadece fairness terimlerini saymak yetmez. Somut metrikler, test prosedürleri ve müdahale yöntemleri beklenir.
- Metrikler: disparate impact, equal opportunity, calibration per group.
- Müdahaleler: reweighting, adversarial debiasing, post-processing, iş kuralları (business constraints).
5. İtiraz ve hata düzeltme süreçleri: "Bir kullanıcı itiraz ettiğinde süreci nasıl kurarsınız?"
Önemli noktalar: kayıt (audit log), zamanında geri bildirim, insan-in-the-loop (HITL) ve geri öğrenme (feedback loop) yolları.
- Uygulama örneği: İtiraz kaydı -> otomatik denetim (kurallar + model score) -> insan incelemesi -> modele etiket ekleyip yeniden eğitme.
6. Explainability: "Kullanıcıya veya denetçiye karar nasıl açıklanır?"
Basit feature importance'tan counterfactual örneklere kadar yaklaşım beklenir.
- Örnek: "Size önerilen aday X'in puanı 0.78; bu, yüksek sosyal puan ve konum uyumundan kaynaklandı. Eğer kriter Y olmasaydı öneri gelmezdi."
7. Deney tasarımı: "A/B testi ile eşleştirmenin etkisini nasıl ölçersiniz?"
Güç analizi, bağımsız değişkenler, deney grubu ataması (randomization unit), metric seçimi (slicer) sorulur.
- Değerlendirme: Uygun denge yöntemi, riskleri (interference) ve kaçlık sürelerle izleneceği anlatılmalı.
8. Hata analizi: "Çok kötü sonuç aldığınız zaman nasıl kök neden analizi yaparsınız?"
Beklenen: segmentlere ayırma, A/B slot bazlı kontrol, feature distribution drift kontrolü, model perf per-cohort.
- Pratik adım: 1) Logları topla 2) Perf drop timeline 3) Feature shift detection 4) Hypothesis test 5) Patch/deploy rollback.
9. Çok amaçlı optimizasyon: "Adilliği, geliri ve kullanıcı memnuniyetini aynı anda nasıl optimize edersiniz?"
Bu soruda adayın multi-objective trade-off anlayışı ve pragmatik çözümleri (weighted objective, constraints, pareto frontier) sunması beklenir.
- Örnek: revenue hedefi için min fairness constraint; veya iki aşamalı optimizasyon (ilk adım adaleti sağla, ikinci adım gelir maksimize et).
10. Güvenlik ve suistimal: "Sistemi kötü niyetli davranışlara karşı nasıl korursunuz?"
Botlar, coordinated inauthentic behavior, injection atakları gibi tehditlere karşı detection, rate limiting ve anomaly detection yöntemleri beklenir.
- İzleyici sorusu: Sahte profiller algılandığında eşleştirmeyi nasıl kısıtlarsınız?
11. Veri gizliliği: "Kullanıcı verisini nasıl anonimleştirir ve yine de işe yarayan modeller kurarsınız?"
DP (differential privacy), k-anonymity, federated learning ve veri minimalizasyonu hakkında uygulanabilir bir bakış sunulmalı.
12. Canlıya alma ve geri alma stratejisi: "Yeni bir eşleştirme modelini nasıl canliya alır, bir sorun olursa nasıl geri alırsınız?"
Blue-green deployment, canary rollouts, monitoring dashboard'ları (key metrics, SLO), otomatik rollback koşulları tipik cevaplarda yer almalı.
Değerlendirme Kontrol Listesi
Mülakat sırasında adaya verilebilecek kısa puanlama card'ı:
- Problem formalizasyonu: 0-3
- Veri ve özellik farkındalığı: 0-3
- Ölçek ve sistem tasarımı: 0-3
- Yanlılık ve etik yaklaşımlar: 0-3
- Operasyonel süreçler (itiraz, logging): 0-3
Pratik Örnek (Kısa Senaryo)
SensaHire platformunda aday-işe alım eşleştirmelerinde kadın adayların dönüşüm oranı diğerlerine göre %30 düşük. Ne yaparsınız?
Cevap beklentisi: cohort analiz, feature correlation, training data distribution kontrolü, threshold farkları, iş kuralları gözden geçirme. Kısa vadede post-processing ile adaleti düzelt, orta vadede veriyi dengele (reweight/collect), uzun vadede işe alım sürecindeki insan kararlarını incelenebilir kılacak logging ve itiraz adımları ekle.
Sonuç
İyi yapılandırılmış bir röportaj, sadece algoritmik yetenekleri değil aynı zamanda uygulama ve etik düşüncesini açığa çıkarır. Yukarıdaki 12 soru, teknik doğruluk, gerçek dünya pragmatizmi ve kullanıcı odaklı operasyonları birlikte değerlendirecek şekilde tasarlandı. Uygun takip soruları ve örnek vaka çalışmalarıyla adayın kapasitesini gerçekçi bir şekilde ölçebilirsiniz.
İpucu: Her soruda adaya gerçek veri örnekleri veya küçük bir toy senaryo verip 10-15 dakika düşünmesi ve ardından çözüm adımlarını çizmesi, yetkinliği daha iyi gösterir.
