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 244 вопроса
- Как выбирать данные для оценки медианы: последовательный проход или случайная подвыборкаSeniorНиармедик Ваш Доктор Рядом
- Как выразить количество шаров во второй корзине через количество шаров в первой?SeniorЯндекс
- Почему нельзя просто считать медиану на каждом воркере и потом объединятьSeniorRubbles
- Как масштабируют активации при отключении дроп-аута на инференсеSeniorHybrid
- Как в терминах bias и variance описать недообучение и переобучение?Middleфилиппинский банк Salmon
- Является ли accuracy 85% хорошим качеством моделиSeniorДомклик
- Рассчитайте вероятность, что при шести бросках шестигранного кубика все результаты уникальныMiddleГазпромбанк
- Как получать бэдинги для новых наблюденийSeniorHybrid
- Как классифицировать выдачу нового или старого идентификатораSeniorHybrid
- Какие внутренние критерии определяют терминальность листа дереваMiddleHybrid
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как понять, насколько модель хорошая или плохая? Какие метрики существуют и что они означают?SeniorЯндекс
- Как решать задачу оптимизации неэффективного алгоритмаSeniorСбер
- Как добавление одинаковых значений ко всем объектам влияет на метрики классификацииSeniorСбер
- Как оценить эластичность признака и его влияние на таргетSeniorСбер
- Можно ли дешево исправить проблему использования модуля в градиентном спускеSeniorЯндекс
- Что такое критерий ветвления в деревьях?JuniorЯндекс
- Как избежать смещения выборки при обучении модели на одобренных кредитахSeniorфилиппинский банк Salmon
- Почему нельзя учиться просто на выходах в градиентном бустингеSeniorСбер
- Как работает дроп-аут в нейронных сетяхSeniorHybrid
- Как получить вектора для вычисления similarity между текстамиSeniorАТОМ
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.