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 146 вопросов
- Расскажите про опыт и проектыSenior×251221 Systems, нетология
- Насколько ROC AUC подходит при сильном дисбалансе классов?Senior×9Газпромбанк, нетология
- Какие данные использовали в проектахSenior×9Лаборатория Касперского, Ниармедик Ваш Доктор Рядом
- Какие задачи предстоят перед командойSenior×4GravityField, Сбер
- Какие методы машинного обучения используются для классификации комментариевSenior×4GravityField, ЦифровыеПривычки
- Какие преимущества и недостатки у CatBoost по сравнению с LightGBM и XGBoostSenior×4GravityField, Сбер
- Чем отличаются деревья в Random Forest и Gradient BoostingSenior×4Лаборатория Касперского, Автомакон
- Какие метрики использовались для оценки модели и какова была количественная оценкаSenior×4нетология, АТОМ
- Был ли у вас опыт работы с LLM (Large Language Models)Senior×4Иннотех, ЦифровыеПривычки
- Каково было соотношение классов в данных?Senior×4Газпромбанк, нетология
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какие сервисы облачных платформ использовалиSeniorAston
- Как происходил парсинг и обработка данныхSeniorЛаборатория Касперского
- Какой бизнес-эффект дает успешный аб-тест?SeniorЛеруаМерлен
- Можешь ли писать базовые SQL-запросы?SeniorАвтомакон
- Какие модели сравнивал между BERT-like и GPT-likeSeniorЦифровыеПривычки
- Модель запускалась оффлайн или онлайнSeniorИннотех
- Насколько большие таблицы приходилось обрабатывать и делать запросы?SeniorИннотех
- Использовалась ли F1 мера или аналогичные метрикиSeniorOzon
- Что делали с данными после получения и какую предобработку проводилиSeniorАвтомакон
- Почему выбран BERT для задачи классификации вместо регулярных выраженийSeniorЦифровыеПривычки
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.