JobPathВопросы на собеседовании дата-сайентиста и ML-инженера
1 165 вопросов с реальных собеседований, чаще всего — в компаниях Сбер, Иннотех и Avito.
Все вопросы
- Какую семантику должны отражать бэдинги для идентификацииSeniorHybrid
- Собирали ли вы данные самостоятельноMiddleнетология
- Какие инструменты использовали при тестированииSeniorСбер
- Как обновлять риск-модель при появлении новых данных и гипотезSeniorфилиппинский банк Salmon
- Почему нельзя решить все задачи с помощью классических методовSeniorИннотех
- Как происходил обмен данными с модельюSeniorИннотех
- Можно ли использовать линейную регрессию в условиях смещения выборкиSeniorСбер
- Какие модели минимизируют bias, а какие variance, сравнивая бустинг и бэггингSeniorRubbles
- Каким методом промиса получить результат первого выполненного запросаSeniorАвтомакон
- Как планируется рабочее времяSeniorАвтомакон
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Применяли ли методы для увеличения выборки или пробивки данных?MiddleЛеруаМерлен
- Сколько факторов подавать на вход CatBoostSeniorГазпромбанк
- У кого эффект будет более негативный при удалении первого дерева: у модели бустинга или бэггингаMiddleRubbles
- Как выбирать данные для оценки медианы: последовательный проход или случайная подвыборкаSeniorНиармедик Ваш Доктор Рядом
- Что первично: доменное имя или IP-адрес?SeniorАвтомакон
- Как выразить количество шаров во второй корзине через количество шаров в первой?SeniorЯндекс
- Почему нельзя просто считать медиану на каждом воркере и потом объединятьSeniorRubbles
- Есть ли ограничения из-за работы с персональными даннымиSeniorСбер
- Как справляться с монотонными задачамиSeniorigaming
- Как увеличить скорость на тесте без повторного обучения модели?SeniorAvito
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.