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 вывести уникальные значения по столбцу в SQLMiddle×4Самокат, Иннотех
- В чем преимущества логистической регрессии и градиентного бустинга и в каких задачах их использовать?Senior×4Иннотех, Сбер
- Приходилось ли работать с базами данныхSenior×4Иннотех, Сбер
- Какова временная сложность добавления и удаления элемента в словарь в Python?Middle×4Домклик, Сбер
- Как происходит деплой моделиMiddle×4Sensemitter, Автомакон
- Что такое центральная предельная теорема и почему она важнаJunior×4Домклик, 1221 Systems
- Какие метрики важнее для оценки качества рекомендаций: precision или recallSenior×41221 Systems, Avito
- Как использовать категории товаров для формирования релевантных рекомендацийSenior×41221 Systems, Avito
- Какую задачу решает GPTMiddle×4ЦифровыеПривычки, Сбер
- Как масштабирование признаков влияет на обучение моделиSenior×4ПлатформаОФД, Сбер
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какие преимущества и недостатки у CatBoost по сравнению с LightGBM и XGBoostSenior×4GravityField, Сбер
- Какие метрики используются для регрессииSenior×4филиппинский банк Salmon, Иннотех
- Какие преимущества и удобства у PyTorchSenior×4Hybrid, Иннотех
- Какую метрику выбрать для регрессии с выбросами: MSE или MAE?Senior×4Газпромбанк, Avito
- Чем отличаются деревья в Random Forest и Gradient BoostingSenior×4Лаборатория Касперского, Автомакон
- Какие методы можно использовать для улучшения моделиSenior×4Hybrid, Ниармедик Ваш Доктор Рядом
- Что такое бутстрэпированные выборки в случайном лесуJunior×4Домклик, Сбер
- Какие алгоритмы используются для построения коллаборативной фильтрацииSenior×4Домклик, 1221 Systems
- Какие методы борьбы с переобучением есть в нейронных сетяхSenior×4SoftInterMob, Яндекс
- Что такое нейронные сетиJunior×4SoftInterMob, Иннотех
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.