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
- Какие фреймворки используются для построения RAGSeniorГазпромбанк
- Как работает градиентный спуск для поиска параметров моделиSeniorСбер
- Как посчитать возраст в годах между текущей датой и датой рождения в PythonSeniorOzon
- Что является признаками (фичами), а что таргетом в задачеSeniorПлатформаОФД
- Как правильно обновлять модель: менять старую на новую или использовать более разумный подход?SeniorСбер
- Почему F1-score считается гармоническим средним precision и recall, а не арифметическимSeniorЯндекс
- Как расширять целевую аудиториюSeniorHybrid
- Как работает SQL запрос с полным набором полей без агрегатных функций и GROUP BY по этим же полямSeniorИннотех
- Какую проблему решает батч-нормализацияSeniorHybrid
- Были ли курсы по задачам коммивояжераSeniorOzon
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Используются ли статистики из батча или сохраненные параметры в батч-нормализации на инференсеSeniorHybrid
- Как подойти к препроцессингу датасетаSenior1221 Systems
- Какой функционал оптимизируется при обучении логистической регрессииSeniorДомклик
- Какая задача была самая трудная в исполнении и почемуSeniorSoftInterMob
- Какие проблемы возникают при работе с FastText при разрезании слов и стеммингеSeniorЦифровыеПривычки
- Как распределять данные по батчам для оценки статистик с учетом сезонности и нагрузкиSeniorНиармедик Ваш Доктор Рядом
- Делался ли дроп-аут с опорой на лосс или случайным выкидыванием весов?SeniorМагнит
- Почему для классификации можно использовать дерево решенийSeniorПлатформаОФД
- Почему в GPT используется декодер, а не энкодерSeniorСбер
- Зачем нужны сенсоры в AirflowSeniorИннотех
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.