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
- В чем идея полносвязной нейронной сети и почему она работаетSeniorСбер
- Какие задачи выполнял джуниор по предобработке данныхSeniorСбер
- Как работает категоризатор товаровSeniorСбер
- Каков полный пайплайн обучения моделиSeniorСбер
- Почему нельзя напрямую оптимизировать accuracySeniorСбер
- Как определить сумму кредита, которую можно выдать клиенту?SeniorСбер
- Зачем нужно разделение типов данных на изменяемые и неизменяемыеSeniorСбер
- Как определить вертикальную ось симметрии для списка точек?SeniorСбер
- Почему линейная модель без преобразования признаков не решит задачу разделения точек внутри и снаружи кругаSeniorСбер
- Как устроен список в Python и какова временная сложность основных операцийSeniorСбер
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какие метрики использовать для оценки новой модели при выкатывании на пилотную группу?SeniorСбер
- Как обрабатывать пустую строку в функции?SeniorСбер
- Как параллелить выполнение функции в PythonSeniorСбер
- Как обрабатывать пропуски и категориальные признаки перед обучением моделиSeniorСбер
- Что может пойти не так в модели?SeniorСбер
- Как работает функция zip в Python и какие у неё ключевые аргументыSeniorСбер
- Почему сравнение float чисел может быть некорректным и как с этим бороться?SeniorСбер
- За счет чего трансформеры получили преимуществоSeniorСбер
- Как сделать SQL запрос для подсчета количества сотрудников в категориях зарплаты с выводом 0 для пустых категорийSeniorСбер
- Какие ансамблевые методы используют глубокие деревьяSeniorСбер
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.