JobPathВопросы на собеседовании дата-сайентиста и ML-инженера
1 165 вопросов с реальных собеседований, чаще всего — в компаниях Сбер, Иннотех и Avito.
Все вопросы
- Как провести кросс-валидацию на временных рядахSeniorДомклик
- Почему нужны метрики кроме accuracySeniorЯндекс
- Можно ли использовать BERT вместе с классификатором для задачи классификации?SeniorПлатформаОФД
- Как работает функция zip в Python и какие у неё ключевые аргументыSeniorСбер
- Что такое broadcast join в Spark и зачем он нуженJuniorRubbles
- Что происходит с деревом при очень большом или очень маленьком минимальном количестве объектов в листеSeniorHybrid
- Есть ли смысл бустить линейную регрессию методом наименьших квадратов на ошибках предыдущей моделиSeniorЛаборатория Касперского
- Как реализовать сортировку по дате с точностью до миллисекунд в SQLMiddleAvito
- Почему сравнение float чисел может быть некорректным и как с этим бороться?SeniorСбер
- Как устроен механизм внимания в трансформерах и почему он лучше запоминает информацию по сравнению с RNN и CNNSeniorЦифровыеПривычки
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Назовите ансамблевый метод обучения, кроме бэггинга и бустингаSeniorСовкомбанк
- Можно ли использовать функции из numpy для умножения матриц в PythonSeniorAvito
- Как передавать большие данные между тасками в AirflowSeniorАвтомакон
- Какой реранкер использовалиSeniorАТОМ
- За счет чего трансформеры получили преимуществоSeniorСбер
- Что означают компоненты TF и IDFMiddleЦифровыеПривычки
- Как облегчить ResNet50 в задаче классификации?MiddleМагнит
- Для чего применяют сверточные сети в ответной системеSeniorАТОМ
- Как часто появляются новые задачи и какова нагрузкаSeniorЛаборатория Касперского
- Что такое альтернативная релевантность товаров в поисковой выдачеJuniorAvito
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.