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 74 вопроса
- Какие методы борьбы с переобучением существуют и как они работаютSenior×49Газпромбанк, Яндекс
- Какие метрики качества классификации существуютSenior×36Газпромбанк, филиппинский банк Salmon
- Что такое метрика ROC AUCJunior×16Газпромбанк, SoftInterMob
- Насколько ROC AUC подходит при сильном дисбалансе классов?Senior×9Газпромбанк, нетология
- Был ли у вас опыт работы с NLP задачамиMiddle×9Газпромбанк, Иннотех
- Почему вы решили сменить место работыMiddle×9Газпромбанк, SoftInterMob
- Какая метрика важнее: precision или recall в зависимости от задачи?Senior×9Газпромбанк, Яндекс
- В чем разница между Series и DataFrame в pandasSenior×4Газпромбанк, 1221 Systems
- Как работает word2vecSenior×4Газпромбанк, Совкомбанк
- Какую метрику выбрать для регрессии с выбросами: MSE или MAE?Senior×4Газпромбанк, Avito
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как считаются метрики MAP и MRR в задачах ранжированияMiddle×4Газпромбанк, Совкомбанк
- Как проходит взаимодействие с командой заказчика и внутренней командойMiddle×4Газпромбанк, Иннотех
- Почему веса модели могут становиться большими и зачем их уменьшать регуляризациейMiddle×4Газпромбанк, Ниармедик Ваш Доктор Рядом
- Каково было соотношение классов в данных?Senior×4Газпромбанк, нетология
- Что такое бустингJunior×4Газпромбанк, Сбер
- Есть ли третий вариант усреднения метрик при дисбалансе классов и как он считаетсяSenior×4Газпромбанк, Яндекс
- Что такое A/B тест и почему он полезенJuniorГазпромбанк
- Как считается коэффициент Джини и как он связан с ROC AUCMiddleГазпромбанк
- Какие библиотеки и инструменты используются для построения RAG и векторных баз данныхSeniorГазпромбанк
- Почему выбрано машинное обучение в математикеSeniorГазпромбанк
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.