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
- Как работать с ложными корреляциями в данныхSeniorЛаборатория Касперского
- Как свести задачу ранжирования к задаче классификацииSeniorAvito
- Расскажите про проект с чат-ботомSeniorГазпромбанк
- В каком режиме запускалась модель — batch или сервисномSeniorИннотех
- Есть ли смысл бустить линейную регрессию методом наименьших квадратов на ошибках предыдущей моделиSeniorЛаборатория Касперского
- Как устроен механизм внимания в трансформерах и почему он лучше запоминает информацию по сравнению с RNN и CNNSeniorЦифровыеПривычки
- Важнее ли точность, чем полнота в задачеSeniorOzon
- Как подойти к задаче формирования предодобренного предложения для клиента?SeniorСбер
- В чем суть и преимущества гибридной модели Prophet и XGBoostSeniorЛаборатория Касперского
- Как учитывать лимит по кредитной карте?Seniorнетология
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Вызывают ли интерес диффузионные моделиSenior
- Как обучить модель?Seniorнетология
- Какие компоненты входят в систему беспилотникаSeniorСбер
- Как решать задачу определения наличия товара на полке по фотографиям с разных ракурсов?SeniorМагнит
- Почему не удалось различить похожие товары, например, энергетики?SeniorМагнит
- Как использовали Apache Spark в рабочих процессах?SeniorИннотех
- Какие жизненные этапы разработки модели в проекте машинного обучения существуютSeniorSoftInterMob
- Как происходит планирование задач, спринты и трекинг в команде антифродSeniorАвтомакон
- Как строить графовые представленияSeniorЦифровыеПривычки
- Какие были сложности при сегментации в проектахSeniorСбер
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.