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 55 вопросов
- Как работать с нерепрезентативными данными, когда модель предсказывает 10% дефолтов вместо 1%?SeniorГазпромбанк
- Как делать бинаризацию факторов, например возрастаSeniorГазпромбанк
- Почему тема диплома называется деконволюцияSeniorГазпромбанк
- Почему MAE менее чувствителен к выбросам, чем MSE?SeniorГазпромбанк
- Какие основные вехи развития NLP в хронологическом порядкеSeniorГазпромбанк
- Доволен ли заказчик результатом модели чат-ботаSeniorГазпромбанк
- Какова роль softmax в модели и для чего он используетсяSeniorГазпромбанк
- Понимают ли модели Hugging Face короткие аббревиатурыSeniorГазпромбанк
- Можно ли использовать Precision-Recall кривую вместо ROC AUC при дисбалансе классовSeniorГазпромбанк
- Какой механизм тюнинга модели использоватьSeniorГазпромбанк
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какую задачу решает тюнинг модели трансформераSeniorГазпромбанк
- Использовали ли в проекте с чат-ботом отрицательные примеры с недовольными пользователямиSeniorГазпромбанк
- Что должно содержаться в обучающем датасете для обучения с кросс-энтропиейSeniorГазпромбанк
- Пробовали ли другие методыSeniorГазпромбанк
- Были ли данные с динамикой или только последний срез?SeniorГазпромбанк
- Просто дали данные и сказали сделатьSeniorГазпромбанк
- Какой средний балл по зачеткеSeniorГазпромбанк
- Какие фреймворки используются для построения RAGSeniorГазпромбанк
- Как определить, что метрика конверсии выросла именно на 10%, а не на 9% или 3%SeniorГазпромбанк
- Что интересного или нового в работе, чем можно похвастатьсяSeniorГазпромбанк
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.