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 49 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
- Как оценить качество модели по ROC AUC и что значит плохой и хороший скор?Senior×9филиппинский банк Salmon, Яндекс
- Какая метрика важнее: precision или recall в зависимости от задачи?Senior×9Газпромбанк, Яндекс
- Как количество деревьев в случайном лесу влияет на качество моделиSenior×6Яндекс, Сбер
- Какая сложность алгоритмов сортировкиSenior×4VK, Яндекс
- Как оптимально выбрать признак и порог для разбиения в решающих деревьяхSenior×4Яндекс, Сбер
- Какие методы борьбы с переобучением есть в нейронных сетяхSenior×4SoftInterMob, Яндекс
- Есть ли третий вариант усреднения метрик при дисбалансе классов и как он считаетсяSenior×4Газпромбанк, Яндекс
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как реализовать слияние двух списков через цикл while с разной длиной списков?Senior×4ПлатформаОФД, Яндекс
- Какие параметры в случайном лесу можно изменить и как влияют глубина и количество деревьев?Senior×2Яндекс
- Зачем нужен learning rate и за что он отвечает?SeniorЯндекс
- Почему булев тип не подходит для проверки количества нулей?SeniorЯндекс
- Как считаются микро- и макроусреднения метрикSeniorЯндекс
- Как обучаются алгоритмы машинного обучения и в чем их основной трюк?SeniorЯндекс
- Почему нужны метрики кроме accuracySeniorЯндекс
- Как устроен случайный лес и как он обучается в задаче классификации?SeniorЯндекс
- Какова асимптотика при нескольких проходах по списку?SeniorЯндекс
- Можно ли хранить только значения без списков?SeniorЯндекс
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.