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
- Какую проблему решает батч-нормализацияSeniorHybrid
- Были ли курсы по задачам коммивояжераSeniorOzon
- Можно ли найти решение быстрее, чем O(n^2)?SeniorЯндекс
- Используются ли статистики из батча или сохраненные параметры в батч-нормализации на инференсеSeniorHybrid
- Что было таргетом в модели ранжирования заголовков и какая использовалась метрикаSeniorАвтомакон
- Как боролись с неполной разметкой и скрытыми фродерами в данныхSeniorАвтомакон
- Как подойти к препроцессингу датасетаSenior1221 Systems
- Как определить, что метрика конверсии выросла именно на 10%, а не на 9% или 3%SeniorГазпромбанк
- Какой функционал оптимизируется при обучении логистической регрессииSeniorДомклик
- Какая цель по метрикам в задаче классификации формыSeniorOzon
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как дерево возвращает вероятность принадлежности объекта к классуSeniorHybrid
- Какая задача была самая трудная в исполнении и почемуSeniorSoftInterMob
- Какие проблемы возникают при работе с FastText при разрезании слов и стеммингеSeniorЦифровыеПривычки
- Как распределять данные по батчам для оценки статистик с учетом сезонности и нагрузкиSeniorНиармедик Ваш Доктор Рядом
- Делался ли дроп-аут с опорой на лосс или случайным выкидыванием весов?SeniorМагнит
- Почему для классификации можно использовать дерево решенийSeniorПлатформаОФД
- Какая примерная сложность обращения матрицы?SeniorAvito
- Почему в GPT используется декодер, а не энкодерSeniorСбер
- Зачем нужны сенсоры в AirflowSeniorИннотех
- Как выбрать символ при нескольких максимальных подряд идущих символах?SeniorСбер
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.