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
- Какие задачи считаешь идеальными и чем хочешь заниматьсяSeniorЛаборатория Касперского
- Почему в задаче классификации текста важен контекстSeniorСбер
- Как делать бинаризацию факторов, например возрастаSeniorГазпромбанк
- Почему тема диплома называется деконволюцияSeniorГазпромбанк
- Почему архитектура VGG сегодня не используется?SeniorМагнит
- Как организовать детекцию аномалий по метрикам моделиSeniorAvito
- Как считать косинусную близость между вопросамиSeniorWildberries
- Какие минусы есть у аналитического метода линейной регрессии?SeniorAvito
- Как дерево обрабатывает выбросы признаков, отсутствующие в обучающей выборкеSeniorСбер
- Как использовать курс валют с последнего доступного дня для выходных и праздниковSeniorOzon
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Почему MAE менее чувствителен к выбросам, чем MSE?SeniorГазпромбанк
- Какие жизненные этапы разработки модели в проекте машинного обучения существуютSeniorSoftInterMob
- Какие преимущества у Spark по сравнению с PandasSeniorИннотех
- Как устроен случайный лес и как он обучается в задаче классификации?SeniorЯндекс
- Как организовать мониторинг модели в продакшенеSeniorAvito
- Как происходит планирование задач, спринты и трекинг в команде антифродSeniorАвтомакон
- Как строить графовые представленияSeniorЦифровыеПривычки
- Какие были сложности при сегментации в проектахSeniorСбер
- Как формировать чанки для RAGSeniorАТОМ
- Как на Spark получить возраст в бинах по дате рождения на определённую датуSeniorOzon
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.