JobPathВопросы на собеседовании дата-сайентиста и ML-инженера
1 165 вопросов с реальных собеседований, чаще всего — в компаниях Сбер, Иннотех и Avito.
Все вопросы
- Какие ошибки в тренировочном цикле могут ухудшить обучение и качество моделиMiddleМагнит
- Как создать и обучить классификатор в PyTorchSeniorАТОМ
- Как предобрабатывать текст: какие стоп-слова и пунктуацию убирать, использовать стемминг или лемматизациюSeniorПлатформаОФД
- Какие агрегатные функции существуютSeniorИннотех
- Какие способы уменьшения размера модели при сохранении качества существуют?SeniorМагнит
- Можно ли использовать знание, что координаты целые или полуцелые, и как это применятьSeniorЯндекс
- Какая самая сложная задача в прогнозировании действий автомобилей и их влияния на потокSeniorСбер
- Как понять, насколько модель хорошая или плохая? Какие метрики существуют и что они означают?SeniorЯндекс
- Что такое MAE?JuniorГазпромбанк
- Как строился таргет в проектеSeniorнетология
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как решать задачу оптимизации неэффективного алгоритмаSeniorСбер
- Какие оптимизаторы кроме Adam существуют и в чем их разницаSeniorАТОМ
- Как добавление одинаковых значений ко всем объектам влияет на метрики классификацииSeniorСбер
- Зачем нужна метрика для стратификацииSeniorGravityField
- Удалится ли циклическая структура из памяти и когда это происходит в Python?SeniorСбер
- Что происходит при умножении слишком больших чисел в Python?SeniorЯндекс
- Работали ли вы с TensorFlowSeniorИннотех
- Что такое нормальные формы и какие существуютJuniorИннотех
- Сталкивались ли с дрейфом данных?SeniorСовкомбанк
- Как передать информацию между двумя Python приложениямиSeniorАТОМ
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.