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 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
- Нужна ли нормализация признаков для моделей BERT и деревьев решенийMiddleGravityField
- Может ли хэш для разных ключей совпадать?MiddleСбер
- 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
- Какой режим работы в командеMiddleСбер
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- На каком этапе выбираются случайные признаки в случайном лесу: на каждом разбиении или для всего дереваMiddleСбер
- Как обрабатываются непрерывные признаки в решающих деревьяхSeniorСбер
- Расскажите про опыт в аналитике данных, проекты и курсыSeniorAston
- Какие основные вехи развития NLP в хронологическом порядкеSeniorГазпромбанк
- Как измерить качество модели без обученияSeniorWildberries
- Как отличить треугольник от круга на изображенииSeniorАТОМ
- Что такое дрейф данных?JuniorСовкомбанк
- В чем разница между threading и multiprocessing в Python и для каких задач их используютSeniorДомклик
- Можно ли подавать текст в BERT без предобработкиMiddleПлатформаОФД
- Был ли опыт работы с MongoDB или аналогичными документно-ориентированными базами данныхMiddleAvito
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.