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
- Как считается аналитическое решение для линейной регрессииSeniorСбер
- Как отлавливать момент изменения распределения данных (дрейф данных)?SeniorСовкомбанк
- Есть ли вопросы по даннымMiddleOzon
- Как долго работаешь в AlbersMiddleOzon
- Как обеспечить новизну и разнообразие рекомендацийSenior1221 Systems
- Как выглядит среднестатистический рабочий день разработчикаSeniorОстровок
- Как заказчик может понять, что признак незначим без использования feature importance в модели черный ящикSeniorПАО Газпром нефть
- Как найти в строке максимальное целое число без использования регулярных выражений на PythonSeniorOzon
- Какой средний балл по зачеткеSeniorГазпромбанк
- Какие инструменты для обнаружения дрейфа данных знаете?SeniorСовкомбанк
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как регенерация баннеров повышает конверсииSeniorHybrid
- 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
- Что такое вероятностная модель конверсииJuniorHybrid
- 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
- Есть ли разница в порядке атрибутов при создании составного индекса и как выбирать порядокMiddleИннотех
- Как расширять целевую аудиториюSeniorHybrid
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.