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 514 вопросов
- Как балансировать нагрузку между репликами сервераSeniorИннотех
- Как увеличить количество данных для обучения при малом количестве размеченных объектовSeniorМагнит
- Как устроена архитектура U-NetSeniorСбер
- Какие задачи решал с помощью своих декораторов в PythonSeniorДомклик
- Как работает бустинг и как строится модель бустингаSeniorRubbles
- Можно ли хранить только значения без списков?SeniorЯндекс
- Как понять, что у модели высокий bias или varianceSeniorRubbles
- В чем смысл MergeTree в ClickHouse и что мержится при вставке данныхSeniorМагнит
- Плохо ли навешивать индексы на все поля и почемуSeniorИннотех
- Кем работалиSeniorСбер
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Понимают ли модели Hugging Face короткие аббревиатурыSeniorГазпромбанк
- Почему перед тестированием модели нужно перевести модель в режим инференса (model.eval())SeniorМагнит
- Как нормировать доход клиента для оценки платежеспособности?SeniorСбер
- Что будет, если не вызвать model.eval() на этапе валидации?SeniorМагнит
- Какие проблемы возникают при обучении логистической регрессии, если количество признаков больше количества наблюдений?SeniorИннотех
- Какие поля выбрать для сортировки кластерного индексаSeniorОстровок
- Какой лосс использовать при дисбалансе классовSeniorАТОМ
- Как бороться с даталиками при использовании target encodingSeniorАвтомакон
- Есть ли данные для проверки решения или нужно создавать тестовые данные самостоятельно?SeniorПлатформаОФД
- Какие есть варианты обмена данными между заказчиком и внутренним контуром компании?SeniorАвтомакон
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.