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 105 вопросов
- Как работает градиентный спуск для поиска параметров моделиSeniorСбер
- Как правильно обновлять модель: менять старую на новую или использовать более разумный подход?SeniorСбер
- Почему в GPT используется декодер, а не энкодерSeniorСбер
- Что показывает вектор внимания в трансформерахSeniorСбер
- Какие магические методы существуют в PythonSeniorСбер
- Что дает понимание контекста трансформерамиSeniorСбер
- Какой слой увеличивает размер на обратном пути в U-Net и как он работаетSeniorСбер
- Что должно присутствовать у объекта, чтобы он был итератором в PythonSeniorСбер
- Какие инструменты использовали при тестированииSeniorСбер
- Есть ли ограничения из-за работы с персональными даннымиSeniorСбер
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Что такое range в Python и как он используется в качестве аргумента?JuniorСбер
- Может ли строка иметь нестандартную длину?SeniorСбер
- Есть ли вопросы по технической частиMiddleСбер
- Что будет, если вызвать max вместо idxmax для поиска максимального значения?MiddleСбер
- Удалится ли циклическая структура из памяти и когда это происходит в Python?SeniorСбер
- Может ли пустой список быть удалён из памяти и когда это происходит в Python?MiddleСбер
- Какие угрозы нужно было обнаруживать в системе видеонаблюденияSeniorСбер
- В каких случаях стоит использовать корреляцию Спирмена вместо Пирсона?SeniorСбер
- Как изменяется свойство изменяемости при вложении изменяемого списка в неизменяемый объект в PythonSeniorСбер
- Как правильно сгруппировать данные по категориям зарплаты без повторяющихся строкMiddleСбер
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.