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
- Какие методы файнтюнинга моделей известныSeniorАТОМ
- Какие задачи были интересные или сложные в вашем опыте?MiddleСбер
- Как анализировать эффективность скоринговых алгоритмовSeniorЛаборатория Касперского
- Вызывали ли интерес генеративные моделиSeniorSensemitter
- Какой опыт работы с нейросетямиSeniorИннотех
- Работали ли вы с моделированием и использованием Data Vault и dbt в текущих проектахSeniorigaming
- Есть ли опыт работы с диффузионными моделямиMiddle
- Использовали ли графовые алгоритмы для антифродаSeniorАвтомакон
- Как построить векторную базу кандидатов и использовать метрическое обучение для поиска похожих товаровSeniorAvito
- Как выявлять аномалии данныхSeniorAston
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Приходилось ли анализировать сырые данныеMiddleЛаборатория Касперского
- Был ли опыт работы с обработкой звукаMiddleSensemitter
- Расскажите про кейс, которым гордитесь за последний годMiddleЛеруаМерлен
- Какие задачи и подходы использовал старший разработчик в проектеSeniorСбер
- Какие задачи решал с рекомендательными системами и классическим машинным обучениемSeniorЦифровыеПривычки
- Почему при обучении на выборке с положительными целевыми переменными могут появляться отрицательные предсказания у моделей kNN, линейных моделей, нейросетей, деревьев и градиентного бустинга?SeniorЯндекс
- Каков масштаб параметров и сколько параметров добавляется сверхуSeniorАТОМ
- Применяли ли классические методы компьютерного зрения, например изменение яркости и преобразования КенихаваSeniorАТОМ
- Откуда доставались данные для проекта и кто их доставлялSeniorАвтомакон
- Использовали ли в проекте с чат-ботом отрицательные примеры с недовольными пользователямиSeniorГазпромбанк
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.