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 855 вопросов
- Почему нельзя напрямую оптимизировать accuracySeniorСбер
- Как определить сумму кредита, которую можно выдать клиенту?SeniorСбер
- Как представляется текст для нейросетиSeniorИннотех
- Как упростить решение, чтобы пройти по списку меньше разSeniorAvito
- Расскажите про опыт работы с рекомендательными системами онлайн и оффлайнSeniorАвтомакон
- Зачем нужен Spark и как он работаетSeniorRubbles
- Как решить проблему частого рекомендования популярных товаров в ритейлеSenior1221 Systems
- Зачем нужно разделение типов данных на изменяемые и неизменяемыеSeniorСбер
- Как определить вертикальную ось симметрии для списка точек?SeniorСбер
- Можно ли использовать дополнительные признаки для улучшения модели?SeniorПлатформаОФД
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Нормально ли работать одному над проектомSeniorigaming
- Какие проблемы возникают, если batch normalization обновляет статистику во время валидации?SeniorМагнит
- Почему линейная модель без преобразования признаков не решит задачу разделения точек внутри и снаружи кругаSeniorСбер
- Как подходить к исследованию задачи вывода топ-20 рекомендаций по данным транзакций и информации о товарахSenior1221 Systems
- Какие методы моделирования используются для бинарной классификации?SeniorИннотех
- Как проверять, что данные из источника дошли до хранилищаSeniorigaming
- Как считаются микро- и макроусреднения метрикSeniorЯндекс
- Как работать с ложными корреляциями в данныхSeniorЛаборатория Касперского
- Как обучаются алгоритмы машинного обучения и в чем их основной трюк?SeniorЯндекс
- Какие библиотеки использовать для поиска ближайших соседейSeniorWildberries
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.