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 126 вопросов
- Какие методы борьбы с переобучением существуют и как они работаютSenior×49Газпромбанк, Яндекс
- Какие метрики качества классификации существуютSenior×36Газпромбанк, филиппинский банк Salmon
- Почему в промышленной среде чаще используют градиентный бустинг, а не случайный лес?Senior×16Яндекс, Лаборатория Касперского
- В чем разница градиентного бустинга и случайного лесаSenior×16Домклик, филиппинский банк Salmon
- Какая должна быть глубина деревьев в Random Forest и в бустингеSenior×12Домклик, ПАО Газпром нефть
- Как оценить качество модели по ROC AUC и что значит плохой и хороший скор?Senior×9филиппинский банк Salmon, Яндекс
- Как понять, что модель недообучена или переобучена?Senior×9Wildberries, филиппинский банк Salmon
- Какие методы отбора признаков существуютSenior×9SoftInterMob, Сбер
- Какая метрика важнее: precision или recall в зависимости от задачи?Senior×9Газпромбанк, Яндекс
- Какие метрики классификации использовать при сильном дисбалансе классовSenior×9GravityField, АТОМ
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Что означает изменяемость и неизменяемость объектов в PythonSenior×9Rubbles, ЛеруаМерлен
- Почему ключи в словаре Python должны быть неизменяемыми и можно ли использовать изменяемые ключиSenior×6Домклик, Сбер
- Как количество деревьев в случайном лесу влияет на качество моделиSenior×6Яндекс, Сбер
- В чем идея случайного леса и почему он работаетSenior×4SoftInterMob, Сбер
- Как оптимально выбрать признак и порог для разбиения в решающих деревьяхSenior×4Яндекс, Сбер
- Какие задачи предстоят перед командойSenior×4GravityField, Сбер
- В чем преимущества логистической регрессии и градиентного бустинга и в каких задачах их использовать?Senior×4Иннотех, Сбер
- Приходилось ли работать с базами данныхSenior×4Иннотех, Сбер
- Как масштабирование признаков влияет на обучение моделиSenior×4ПлатформаОФД, Сбер
- Какие преимущества и недостатки у CatBoost по сравнению с LightGBM и XGBoostSenior×4GravityField, Сбер
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.