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 180 вопросов
- Как разбивать выборку, чтобы избежать дисбаланса таргета?Seniorнетология
- Как нормализовать скор модели для отражения вероятностей и сохранения порядка ранжированияSeniorAvito
- Приходилось ли работать с визуализацией данныхMiddleAston
- Какие задачи выполнял джуниор по предобработке данныхSeniorСбер
- Какие задачи решает отдел внутреннего аудитаSeniorЦифровыеПривычки
- Какие модели использовать для задачи классификацииSeniorAvito
- Как работает категоризатор товаровSeniorСбер
- Как учитывать нагрузку на пользователя?Seniorнетология
- Как определить сумму кредита, которую можно выдать клиенту?SeniorСбер
- Расскажите про опыт работы с рекомендательными системами онлайн и оффлайнSeniorАвтомакон
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как подходить к исследованию задачи вывода топ-20 рекомендаций по данным транзакций и информации о товарахSenior1221 Systems
- Как работать с ложными корреляциями в данныхSeniorЛаборатория Касперского
- Входила ли в обязанности поддержка модели и анализ ее работы после сдачиMiddleГазпромбанк
- Как свести задачу ранжирования к задаче классификацииSeniorAvito
- Расскажите про проект с чат-ботомSeniorГазпромбанк
- Что такое проверка статистических гипотез и ее нюансыJuniorЛаборатория Касперского
- 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 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.