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 31 вопрос
- Какие методы борьбы с переобучением существуют и как они работаютSenior×49Газпромбанк, Яндекс
- Какие метрики качества классификации существуютSenior×36Газпромбанк, филиппинский банк Salmon
- Расскажите о себе и опытеMiddle×25Домклик, Яндекс
- Как оценить качество модели по ROC AUC и что значит плохой и хороший скор?Senior×9филиппинский банк Salmon, Яндекс
- Как количество деревьев в случайном лесу влияет на качество моделиSenior×6Яндекс, Сбер
- Есть ли организационные или технические вопросы?Middle×4SoftInterMob, Яндекс
- Как оптимально выбрать признак и порог для разбиения в решающих деревьяхSenior×4Яндекс, Сбер
- Есть ли вопросы по условию задачиMiddle×4Яндекс, Avito
- Есть ли третий вариант усреднения метрик при дисбалансе классов и как он считаетсяSenior×4Газпромбанк, Яндекс
- Почему булев тип не подходит для проверки количества нулей?SeniorЯндекс
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Что такое overfittingJuniorЯндекс
- Как считаются микро- и макроусреднения метрикSeniorЯндекс
- Почему нужны метрики кроме accuracySeniorЯндекс
- Можно ли хранить только значения без списков?SeniorЯндекс
- Как сравнивать координаты с плавающей точкой с учетом особенностей float в разных языкахSeniorЯндекс
- К чему относится переобучение: к смещению или к разбросуSeniorЯндекс
- Как описать архитектуру модели случайного леса с добавленной линейной моделью для экстраполяцииSeniorЯндекс
- Кем занимаетесь на текущем месте работыMiddleЯндекс
- Можно ли считать новую модель с F1-score 0.81 лучше модели с 0.8 и сразу запускать в продакшенSeniorЯндекс
- Какие причины могут привести к разным значениям средней дневной посещаемости веб-сервиса у разных аналитиковSeniorЯндекс
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.