そのため、面接でいくらはきはきとした回答をしていても、例えば、分析手法や選定技術について、「先輩から指導を受けて選んだ」「顧客に言われたので選んだ」の回答では合格することが難しいです。
（実態としてはその通りだったのかもしれませんが、面接でそのまま言うと残念ながらマイナスがつきます）

機械学習などのデータサイエンスは学術分野に近い特性があるので、自分の過去に経験した案件について、いかに体系的な方法論に基づいて合理的な解決策を導いているかどうかを、面接官は見ています。

サーベイ論文で経験を体系化する

そうは言っても、専門教育を受けていない駆け出しの機械学習エンジニアの中には、体系的な方法論と言ってもピンとこない方も多いと思います。

ではどうすればいいのか。あなたが携わった案件の技術分野のサーベイ論文を読むことです。
Google Scholarで、「survey 〇〇」（※〇〇には技術分野を打ち込む）と検索すると、サーベイ論文が出てきます。

日本語で検索しても良いですが、出来れば情報量が圧倒的に多い英語で検索した方が良いです。検索結果の中で、引用数が数百（できれば数千）を超えており、かつ比較的新しいサーベイ論文を選んで、ピンとくるものを読んでみてください。

読み方としては、自分が過去に選んだ手法と、世の中の他の手法がどのように違うのかという点を意識して読むと良いです。

他の手法との違いが分かれば、「この案件では、〇〇のため、Aの手法を採用しました。Bの手法は論文を見たところ、△△の部分を満たさないため採用しませんでした。」みたいな回答ができるようになります。新技術への情報収集力もアピールできます。

面接の突破率は大きく高まるでしょう。そして本当にAIエンジニアとしての実力も上がっていきます。

関連記事：【人工知能業界】AIエンジニアが選ぶおすすめ転職サイト・転職エージェント