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
- Как оценивать качество модели по бизнес-метрикам и отзывам пользователейSeniorWildberries
- Как строить выборку для обучения модели с релевантными парами наблюденийSeniorHybrid
- Как эффективно проверить наличие зеркальной пары точки с противоположным иксомSeniorЯндекс
- Какие критерии остановки роста дерева существуют кроме ограничения глубиныSeniorHybrid
- Какие способы валидации моделей временных рядов исключают просмотр в будущее при обученииSeniorOzon
- Какие метрики используются для оценки качества модели прогнозирования рейтингов рекламных кампанийSeniorСбер
- Почему в обновлении весов используется сравнение с эпсилонSeniorAvito
- Какие распределения существуют и где они применяются?Seniorфилиппинский банк Salmon
- Как проверять качество новых фич и гипотез в риск-моделях и какие метрики использоватьSeniorфилиппинский банк Salmon
- Что делать, если для бизнеса важнее ошибка по нулевому или первому классуSeniorOzon
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как учесть случаи с нулями в произведении элементов списка?SeniorЯндекс
- Можно ли найти решение быстрее, чем O(n^2)?SeniorЯндекс
- Как определить, что метрика конверсии выросла именно на 10%, а не на 9% или 3%SeniorГазпромбанк
- Как дерево возвращает вероятность принадлежности объекта к классуSeniorHybrid
- Какая примерная сложность обращения матрицы?SeniorAvito
- Как выбрать символ при нескольких максимальных подряд идущих символах?SeniorСбер
- Какие алгоритмы снижения размерности существуютSeniorфилиппинский банк Salmon
- Какие бывают гипотезы в проверке гипотез?Seniorфилиппинский банк Salmon
- Как интерпретировать значение коэффициента детерминацииSeniorSoftInterMob
- Возникает ли дрейф модели при обучении с дроп-аутом и инференсе без негоSeniorHybrid
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.