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
- В чем разница между методами map и apply в pandasSenior1221 Systems
- Как фильтровать только актуальные данные в SQL запросеSeniorAvito
- Чем отличаются задачи классификации и регрессииSeniorИннотех
- Какие ресурсы по моделям и статьям вы мониторитеSeniorАТОМ
- Какие статистические тесты применяются в аб-тестах?SeniorЛеруаМерлен
- Как определить, что у модели высокий varianceSeniorRubbles
- Как устроен анбордингSeniorОстровок
- Как реализуется распределение ресурсов в DockerSeniorAvito
- Почему сначала применяют детекцию, а не сразу сегментацию?SeniorМагнит
- Как оценивать модель без учителя для задачи ответов на вопросыSeniorWildberries
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Почему BERT дает лучшее качество на задачах классификации текста, чем TF-IDF с логистической регрессиейSeniorСовкомбанк
- Как обработать в SQL нулевые значения и избежать ошибок при подсчете уникальных значений?Seniorнетология
- Какие типы сканирования таблиц существуютSeniorИннотех
- Какие операторы Airflow самые популярныеSeniorИннотех
- Как замерять bias и variance моделиSeniorRubbles
- В чем разница между семантической сегментацией, инстанс-сегментацией и детекцией объектовSeniorДомклик
- Как отслеживать полноту загрузки данныхSeniorigaming
- Какова роль системного аналитика в команде и с кем он коммуницирует?SeniorАвтомакон
- Нужно ли хранить всю историю данных или удалять старыеSeniorigaming
- Что делает heap push и как он добавляет элемент в кучуSeniorRubbles
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.