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
- Приходилось ли писать Docker файлы и работать с контейнерамиSeniorRubbles
- Какие инструменты используешь для рисования диаграмм?SeniorАвтомакон
- Почему не используют аналитическую формулу при решении задачи линейной регрессии?SeniorAvito
- Нужно ли ставить shuffle в DataLoader?SeniorМагнит
- Как реализовать обучение модели XGBoost при данных, не помещающихся в памятьSeniorИннотех
- Как устроена реализация дропаута в PyTorchSeniorHybrid
- Как контролировать качество данных в проектахSeniorSensemitter
- В чем разница дропаута и батч-нормализацииSeniorHybrid
- Можно ли использовать Precision-Recall кривую вместо ROC AUC при дисбалансе классовSeniorГазпромбанк
- Как должен выглядеть контракт интеграции между виртуальной АТС и CRM?SeniorАвтомакон
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Кому показывать в машинном маркетингеSeniorHybrid
- Какие способы предобработки признаков используются и с какими проблемами сталкиваютсяSeniorRubbles
- В чем проблема линейной зависимости признаков?SeniorСбер
- Как сравнивать координаты с плавающей точкой с учетом особенностей float в разных языкахSeniorЯндекс
- Как поступать, если доход клиента неизвестен?SeniorСбер
- Какой механизм тюнинга модели использоватьSeniorГазпромбанк
- Что будет, если применить bagging к линейным алгоритмам?SeniorAvito
- Какую задачу решает тюнинг модели трансформераSeniorГазпромбанк
- Считаются ли денежные метрики в аб-тестах?SeniorЛеруаМерлен
- Как привести числовые значения к нормальному распределению и минимизировать влияние выбросовSenior1221 Systems
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.