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 116 вопросов
- Как очистить таблицу от дублирующихся данных в SQLSeniorИннотех
- Что такое Docker образ и зачем он нуженJuniorИннотех
- Зачем и когда использовать видеокартыSeniorИннотех
- Есть ли разница в порядке атрибутов при создании составного индекса и как выбирать порядокMiddleИннотех
- Есть ли вопросы по продукту и задачам, которые решает компанияMiddleИннотех
- Как работает SQL запрос с полным набором полей без агрегатных функций и GROUP BY по этим же полямSeniorИннотех
- Зачем нужны сенсоры в AirflowSeniorИннотех
- Какие типы SCD существуют и как формируется историчность в таблицахSeniorИннотех
- Как лучше хранить веса модели: в Docker образе или загружать отдельноSeniorИннотех
- Отдавали ли вы образ с Dockerfile в репозиторий для деплоя моделиSeniorИннотех
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как балансировать скорость ответа модели и размер моделиSeniorИннотех
- Был ли опыт минимизации размера модели или ее оптимизацииSeniorИннотех
- Рассматривали ли вы автоML решенияSeniorИннотех
- Как объяснить параметр температуры в модели техническому человекуSeniorИннотех
- Почему чаще всего используется B-tree индекс и какая у него алгоритмическая сложностьMiddleИннотех
- Какая точность модели антифрода?SeniorИннотех
- Что такое сбалансированное деревоJuniorИннотех
- Какой был отклик от сотрудников на систему, были ли жалобы или предложенияMiddleИннотех
- Что предпочтительнее с точки зрения графа вычислений — динамический или статическийSeniorИннотех
- Использовали ли вы hyperparameter tuning в проектахSeniorИннотех
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.