JobPathВопросы на собеседовании дата-сайентиста и ML-инженера
1 165 вопросов с реальных собеседований, чаще всего — в компаниях Сбер, Иннотех и Avito.
Все вопросы
- Зачем нужны сенсоры в AirflowSeniorИннотех
- Как выбрать символ при нескольких максимальных подряд идущих символах?SeniorСбер
- Какие метрики используются для сегментации и детекции объектовSeniorДомклик
- Какие типы SCD существуют и как формируется историчность в таблицахSeniorИннотех
- Работали ли вы с CDC (Change Data Capture)Middleigaming
- Какие алгоритмы снижения размерности существуютSeniorфилиппинский банк Salmon
- Как лучше хранить веса модели: в Docker образе или загружать отдельноSeniorИннотех
- Можно ли дистиллировать между сильно отличающимися архитектурами, например, ResNet и трансформером?SeniorМагнит
- Какие бывают гипотезы в проверке гипотез?Seniorфилиппинский банк Salmon
- Какие библиотеки для бустинга использовали и почемуSeniorфилиппинский банк Salmon
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Что показывает вектор внимания в трансформерахSeniorСбер
- Как интерпретировать значение коэффициента детерминацииSeniorSoftInterMob
- Чем увлекаетесь со стороныMiddleЯндекс
- Возникает ли дрейф модели при обучении с дроп-аутом и инференсе без негоSeniorHybrid
- Отдавали ли вы образ с Dockerfile в репозиторий для деплоя моделиSeniorИннотех
- Как дальше работать с отобранными людьми с покупками для маленьких собакSeniorOzon
- Как построить модель на основе временных рядов с метриками и эвристикамиSeniorSensemitter
- Можно ли вернуть любой символ при одинаковом количестве подряд идущих символов?SeniorСбер
- Можно ли добавлять поле в таблицу вместо использования SELECT запросаMiddleOzon
- Какие еще методы борьбы с переобучением кроме дропаута существуютSeniorHybrid
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.