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 199 вопросов
- Можно ли применять t-тест к бинарным даннымMiddleЛаборатория Касперского
- Как в терминах bias и variance описать недообучение и переобучение?Middleфилиппинский банк Salmon
- Как происходило разбиение данных на train и test?Middleнетология
- Как были представлены данные: свишки или доступ к базе данныхMiddleнетология
- Есть ли вопросы по технической частиMiddleСбер
- Что будет, если вызвать max вместо idxmax для поиска максимального значения?MiddleСбер
- Рассчитайте вероятность, что при шести бросках шестигранного кубика все результаты уникальныMiddleГазпромбанк
- Как подходить к решению SQL задачи?Middleнетология
- Приходилось ли работать с асинхронностьюMiddleAvito
- Зачем использовать списки для хранения предыдущих значений?MiddleЯндекс
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Что забывают сделать с данными на CUDA, что может привести к переполнению памяти при обучении?MiddleМагнит
- Какие архитектуры нейросетей использовалиMiddleИннотех
- Какие внутренние критерии определяют терминальность листа дереваMiddleHybrid
- Какие ошибки в тренировочном цикле могут ухудшить обучение и качество моделиMiddleМагнит
- Как учитывать разную стоимость кликов в разных категориях товаровMiddleAvito
- Как определить политику выкупа в аукционеMiddleHybrid
- Для чего нужен pooling слой?MiddleAvito
- Может ли пустой список быть удалён из памяти и когда это происходит в Python?MiddleСбер
- Какова основная цель моделиMiddleГазпромбанк
- Были ли размеченные данные для системы видеонаблюденияMiddleСбер
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.