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 741 вопрос
- В чем разница между is и == в PythonMiddleСбер
- Какие причины переобученияSeniorНиармедик Ваш Доктор Рядом
- Как температура влияет на распределение вероятностей в softmax?SeniorМагнит
- Как выстраивать работу начиная от формулировки задачMiddleAvito
- Как кодировать признак рейтинг от 1 до 5SeniorАвтомакон
- Можно ли в Python задать дефолтное значение аргумента функции списком и какие проблемы это может вызватьSeniorДомклик
- Что может пойти не так в модели?SeniorСбер
- Как вывести в одном датафрейме результаты по студентам с баллами по математике и биологии ниже 80MiddleСамокат
- Для чего используется spaCy для генерации векторовSeniorГазпромбанк
- Зачем нужен машинный маркетинг в баннерном размещенииSeniorHybrid
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как работать с кириллицей и латиницей в тексте чековSeniorПлатформаОФД
- Как бороться с трендом в данных при использовании деревьев и случайного леса для прогнозаSeniorАвтомакон
- Почему нужны метрики кроме accuracySeniorЯндекс
- Можно ли использовать BERT вместе с классификатором для задачи классификации?SeniorПлатформаОФД
- Как работает функция zip в Python и какие у неё ключевые аргументыSeniorСбер
- Что такое broadcast join в Spark и зачем он нуженJuniorRubbles
- Как реализовать сортировку по дате с точностью до миллисекунд в SQLMiddleAvito
- Почему сравнение float чисел может быть некорректным и как с этим бороться?SeniorСбер
- Можно ли использовать функции из numpy для умножения матриц в PythonSeniorAvito
- Как передавать большие данные между тасками в AirflowSeniorАвтомакон
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.