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 195 вопросов
- Зачем нужен learning rate и за что он отвечает?SeniorЯндекс
- Как использовать кросс-валидацию для оценки моделиSeniorСбер
- Какие значения ROC считаются хорошими, а какие плохимиSeniorСбер
- Какие способы нормализации распределения данных существуютSenior1221 Systems
- Что будет, если удалить дерево из random forestSeniorДомклик
- Как работает ранняя остановка в деревьяхSeniorHybrid
- Какова временная сложность решения в нотации OSeniorAvito
- Как объединить списки без использования джойновSeniorAvito
- Как осуществляется поиск по истории сообщенийSeniorАТОМ
- Какая задача решается с помощью BERT и CRFSeniorАТОМ
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как визуально выглядит результат декомпозиции CNNSeniorГазпромбанк
- Как использовать дополнительные признаки для отбора фичей?SeniorПлатформаОФД
- Почему для задачи обнаружения аномалий выбрали DBSCAN, а не классификацию?SeniorСовкомбанк
- Какие методы существуют для интерпретации зависимости признака от таргета, включая блэкбокс моделиSeniorСбер
- В чем идея полносвязной нейронной сети и почему она работаетSeniorСбер
- Какие методы использовать для отбора негативных примеровSeniorHybrid
- Как использовать классический ML для улучшения распознавания товаров?SeniorПлатформаОФД
- Как реализовать реверс массива без использования компиляцииSeniorAvito
- Назовите функцию потерь для логистической регрессииSeniorHybrid
- Каков полный пайплайн обучения моделиSeniorСбер
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.