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 работает бустинг и как строится модель бустингаSeniorRubbles
- Как парсить документы для RAGSeniorАТОМ
- Как организовать контрольную группу (ручейк) в риск-моделяхSeniorфилиппинский банк Salmon
- Можно ли хранить только значения без списков?SeniorЯндекс
- Что такое теорема БайесаJuniorДомклик
- Какие задачи были интересные или сложные в вашем опыте?MiddleСбер
- В чем разница коммита и ветки в системах контроля версийMiddleAston
- Как в SQL считать уникальные пары значений при повторяющихся user_id и device_id?Middleнетология
- Что такое iterable объект и как с ним работать в Python?JuniorСбер
- Какова роль softmax в модели и для чего он используетсяSeniorГазпромбанк
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как понять, что у модели высокий bias или varianceSeniorRubbles
- В чем смысл MergeTree в ClickHouse и что мержится при вставке данныхSeniorМагнит
- Что делать, если в списках совпадают точки по таймштампу?SeniorЯндекс
- Нужно ли добавлять оставшиеся элементы из более длинного списка после слияния?SeniorПлатформаОФД
- Что такое intrinsic и extrinsic параметры камерыJuniorАТОМ
- Плохо ли навешивать индексы на все поля и почемуSeniorИннотех
- Кем работалиSeniorСбер
- Понимают ли модели Hugging Face короткие аббревиатурыSeniorГазпромбанк
- Для чего полезна обрезка дерева решенийSeniorSoftInterMob
- Как работает случайный лес и строятся деревья в ансамблеSeniorфилиппинский банк Salmon
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.