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 49 вопросов
- Какие методы борьбы с переобучением существуют и как они работаютSenior×49Газпромбанк, Яндекс
- Какие метрики качества классификации существуютSenior×36Газпромбанк, филиппинский банк Salmon
- На что обращать внимание при оптимизации SQL запросаSenior×16Островок, ЛеруаМерлен
- Какие метрики важнее для оценки качества рекомендаций: precision или recallSenior×41221 Systems, Avito
- Как использовать категории товаров для формирования релевантных рекомендацийSenior×41221 Systems, Avito
- Какую метрику выбрать для регрессии с выбросами: MSE или MAE?Senior×4Газпромбанк, Avito
- Как использовать коллаборативные методы для рекомендаций на основе эмбеддинговSenior×4Wildberries, Avito
- В чем разница OLTP и OLAP системSeniorAvito
- Как фильтровать только актуальные данные в SQL запросеSeniorAvito
- Как реализуется распределение ресурсов в DockerSeniorAvito
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какие физические типы соединений (джойнов) существуют на физическом уровнеSeniorAvito
- Как формировать метрику, учитывающую ожидание прибыли и вероятность продажи по категориямSeniorAvito
- Как работают hash join и merge joinSeniorAvito
- Зачем в Python модулях создают файлы __init__.pySeniorAvito
- Как масштабировать модельSeniorAvito
- Как работает dropout на обучении и на инференсе?SeniorAvito
- Какой тип базы данных выбрать для хранения событий звонков и почемуSeniorAvito
- Почему bagging работает с деревьями, как в случайном лесе?SeniorAvito
- Как использовать поисковый запрос и историю пользователя для формирования выдачи в холодном стартеSeniorAvito
- Как упростить решение, чтобы пройти по списку меньше разSeniorAvito
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.