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 15 вопросов
- Почему в промышленной среде чаще используют градиентный бустинг, а не случайный лес?Senior×16Яндекс, Лаборатория Касперского
- В чем разница градиентного бустинга и случайного лесаSenior×16Домклик, филиппинский банк Salmon
- Как учитывать временной промежуток между покупками для релевантности товаровSenior×41221 Systems, Avito
- Как реализовать слияние двух отсортированных массивов в один отсортированныйSenior×4ПлатформаОФД, Avito
- Какие методы регуляризации существуют для нелинейных моделейSenior×4ПАО Газпром нефть, Avito
- Как реализовать линейную регрессию с обучением и инференсом без использования готовых библиотекSeniorAvito
- Как найти максимальное число в массиве, которое встречается только один разSeniorAvito
- Какой порог ошибки использовать для остановки обученияSeniorAvito
- Какова временная сложность решения в нотации OSeniorAvito
- Как объединить списки без использования джойновSeniorAvito
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как реализовать реверс массива без использования компиляцииSeniorAvito
- Реализовать алгоритм соединения последовательностей, например hash joinSeniorAvito
- Почему в обновлении весов используется сравнение с эпсилонSeniorAvito
- Какая примерная сложность обращения матрицы?SeniorAvito
- Как реализовать логику автоотклонения звонков при более чем 10 звонках за 15 минут от пользователяSeniorAvito
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.