JobPathВопросы на собеседовании дата-сайентиста и ML-инженера
1 165 вопросов с реальных собеседований, чаще всего — в компаниях Сбер, Иннотех и Avito.
Все вопросы
- Применяли ли классические методы компьютерного зрения, например изменение яркости и преобразования КенихаваSeniorАТОМ
- Как использовать базу вопросов и ответов для создания помощника, который приносил бы пользуSeniorWildberries
- Как объединить данные из двух таблиц с разной заполненностью адреса и цены в SQLSeniorAvito
- Занимаетесь ли вы аналитикой самостоятельноMiddleGravityField
- Как обеспечивать качество данных и какие инструменты и процессы использоватьSeniorigaming
- Что такое дистрибуция данных в ClickHouseJuniorМагнит
- Какие библиотеки используете для решения типичных задач машинного обученияSeniorSoftInterMob
- Как проектировать систему для задачи помощникаSeniorWildberries
- Откуда доставались данные для проекта и кто их доставлялSeniorАвтомакон
- Как создавать релевантные и достоверные негативные пары для обучения моделиSeniorHybrid
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какие ограничения есть при кросс-валидации моделей с временной компонентойSeniorRubbles
- Что такое SSP и DSPJuniorHybrid
- Как отслеживать изменения бизнес-атрибутов в уже загруженных данныхSeniorИннотех
- В каких случаях нужно подбирать бэкбоны, а когда можно использовать ResNet50?SeniorМагнит
- Что такое таргет для деревьев в бустинге и как он формируетсяJuniorСбер
- Использовали ли в проекте с чат-ботом отрицательные примеры с недовольными пользователямиSeniorГазпромбанк
- Как устроены корутины и event loop в PythonSeniorAvito
- В чем разница запуска модели на CPU и GPUSeniorИннотех
- Какие задачи классификации вы решали и на каком уровне — учебном или рабочих задачах?SeniorМагнит
- Как избежать потери достоверности при смешивании признаковSeniorHybrid
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.