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 69 вопросов
- Что такое bagging?JuniorAvito
- Как масштабировать модельSeniorAvito
- Как работает dropout на обучении и на инференсе?SeniorAvito
- Какой тип базы данных выбрать для хранения событий звонков и почемуSeniorAvito
- Что такое inception модуль?JuniorAvito
- 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 эффективно искать похожие эмбеддинги среди миллионов товаров с помощью Faiss или других индексовSeniorAvito
- Как выстраивать работу начиная от формулировки задачMiddleAvito
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как реализовать сортировку по дате с точностью до миллисекунд в SQLMiddleAvito
- Можно ли использовать функции из numpy для умножения матриц в PythonSeniorAvito
- Что такое альтернативная релевантность товаров в поисковой выдачеJuniorAvito
- По какому признаку объединять таблицы в SQLSeniorAvito
- Как организовать детекцию аномалий по метрикам моделиSeniorAvito
- Какие минусы есть у аналитического метода линейной регрессии?SeniorAvito
- Как обучаться на большом батче при ограниченной памяти?MiddleAvito
- Как организовать мониторинг модели в продакшенеSeniorAvito
- Был ли опыт работы с MongoDB или аналогичными документно-ориентированными базами данныхMiddleAvito
- Почему не используют аналитическую формулу при решении задачи линейной регрессии?SeniorAvito
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.