Вопросы на собеседовании в компании Hybrid

• Data & ML100%

По типу вопросов: Задача на код 50% · Технический 48% · Поведенческий 2%

1. Какие методы борьбы с переобучением существуют и как они работаютSenior×49Газпромбанк, Яндекс
2. Что такое дроп-аут и как он реализуется?Junior×4Магнит, Hybrid
3. Какие преимущества и удобства у PyTorchSenior×4Hybrid, Иннотех
4. Какие методы можно использовать для улучшения моделиSenior×4Hybrid, Ниармедик Ваш Доктор Рядом
5. Какой тип графа вычислений используется в PyTorch — динамический или статическийMiddle×4Hybrid, Иннотех
6. Почему сейчас чаще используется PyTorch вместо TensorFlowSenior×4Hybrid, Иннотех
7. Как смешивание признаков влияет на качество моделиSeniorHybrid
8. В чем разница между логлоссом и кросс-энтропиейSeniorHybrid
9. Как работает ранняя остановка в деревьяхSeniorHybrid
10. Какие методы использовать для отбора негативных примеровSeniorHybrid

1. Используются ли статистики из батча или сохраненные параметры в батч-нормализации на инференсеSeniorHybrid
2. Какое главное свойство должен иметь бэдинг для идентификации браузераMiddleHybrid
3. Как дерево возвращает вероятность принадлежности объекта к классуSeniorHybrid
4. Что такое концепция вычислительных графовJuniorHybrid
5. Возникает ли дрейф модели при обучении с дроп-аутом и инференсе без негоSeniorHybrid
6. Какие еще методы борьбы с переобучением кроме дропаута существуютSeniorHybrid
7. Как избежать обучения модели эвристике создания негативных примеров вместо генерализацииSeniorHybrid
8. Почему дроп-аут отключают на инференсеSeniorHybrid
9. Сохраняется ли вероятность дропаута при конвертации модели в ONNXMiddleHybrid
10. Зачем нужна аугментация данныхSeniorHybrid
11. Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.
    Попробовать
12. Какую семантику должны отражать бэдинги для идентификацииSeniorHybrid
13. Как масштабируют активации при отключении дроп-аута на инференсеSeniorHybrid
14. Как тестировать систему идентификации в реальном трафикеSeniorHybrid
15. Как получать бэдинги для новых наблюденийSeniorHybrid
16. Как классифицировать выдачу нового или старого идентификатораSeniorHybrid
17. Какие внутренние критерии определяют терминальность листа дереваMiddleHybrid
18. Какие бизнес-метрики важны для оценки качества идентификацииSeniorHybrid
19. Как определить политику выкупа в аукционеMiddleHybrid
20. Как работает дроп-аут в нейронных сетяхSeniorHybrid
21. Как найти пользователя в базе данных по старым наблюдениям при изменении характеристикSeniorHybrid