JobPathВопросы на собеседовании дата-сайентиста и ML-инженера
1 165 вопросов с реальных собеседований, чаще всего — в компаниях Сбер, Иннотех и Avito.
Все вопросы
Нашлось 17 вопросов
- Насколько ROC AUC подходит при сильном дисбалансе классов?Senior×9Газпромбанк, нетология
- Каково было соотношение классов в данных?Senior×4Газпромбанк, нетология
- Что такое A/B тест и почему он полезенJuniorГазпромбанк
- Было ли взаимодействие с заказчиком по проектуMiddleГазпромбанк
- Входила ли в обязанности поддержка модели и анализ ее работы после сдачиMiddleГазпромбанк
- Расскажите про проект с чат-ботомSeniorГазпромбанк
- Какие основные вехи развития NLP в хронологическом порядкеSeniorГазпромбанк
- Доволен ли заказчик результатом модели чат-ботаSeniorГазпромбанк
- Использовали ли в проекте с чат-ботом отрицательные примеры с недовольными пользователямиSeniorГазпромбанк
- Пробовали ли другие методыSeniorГазпромбанк
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Были ли данные с динамикой или только последний срез?SeniorГазпромбанк
- Просто дали данные и сказали сделатьSeniorГазпромбанк
- Когда начинается роль инженера в проекте с векторной базой данныхSeniorГазпромбанк
- Как выбирали CatBoostSeniorГазпромбанк
- Как доставались дополнительные фичиMiddleГазпромбанк
- С какими основными пакетами для анализа данных вы работалиSeniorГазпромбанк
- В каком виде заказчик хотел получить результат: бинарное предсказание или вероятность?SeniorГазпромбанк
Как проходит собеседование
Собеседование на дата-сайентиста или ML-инженера обычно включает скрининг, секцию по математике и машинному обучению, задачу на код и разбор кейса из практики. Иногда отдельно проверяют SQL. Рекрутер обычно уточняет, с какими данными и задачами ты работал, а на встрече с командой просят рассказать о модели, которая дошла до продакшна, и о том, что пошло не так.
По теории спрашивают основы статистики и вероятностей, переобучение и способы с ним бороться, метрики качества и выбор метрики под задачу, устройство линейных моделей, деревьев и бустинга. Для ML-инженеров добавляются нейросети, работа с данными в продакшне, обучение и выкатка моделей, мониторинг их качества. Почти всегда просят разобрать кейс: как ты поставишь задачу, какие признаки соберёшь и как поймёшь, что модель работает. Отдельно проверяют Python и библиотеки для работы с данными.
Чтобы готовиться прицельно, отфильтруй вопросы по своему уровню и начни с тех, что спрашивали чаще всего: счётчик стоит у каждого вопроса. Ответь на несколько из них вслух в mock-интервью, так видно, где ответ разваливается, ещё до настоящего созвона.
Другие направления
Прорепетируй собеседование дата-сайентиста и ML-инженера
Голосовой ИИ-интервьюер задаст вопросы твоего стека, переспросит и разберёт каждый ответ.