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 учитывать разную стоимость кликов в разных категориях товаровMiddleAvito
- Как оценить эластичность признака и его влияние на таргетSeniorСбер
- Как обеспечить качество модели с использованием триггерных покупок и аватаров клиентовSenior1221 Systems
- Как происходит рост сотрудников и перформанс ревьюSeniorОстровок
- Как принимать решение о выборе функции потерь для модели с точки зрения бизнеса и данныхSeniorRubbles
- Опишите задачу анализа комментариев продавцов и повышения точности классификацииSeniorЦифровыеПривычки
- Как подставлять переменные в строку с форматированием в PythonSeniorЛеруаМерлен
- Как зафайнтюнить трансформер для понимания коротких аббревиатур в медицинских текстахSeniorГазпромбанк
- Как учитывается контекст в современных моделяхSeniorЦифровыеПривычки
- Можно ли дешево исправить проблему использования модуля в градиентном спускеSeniorЯндекс
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какие оптимизации проводит SparkSeniorRubbles
- Что такое критерий ветвления в деревьях?JuniorЯндекс
- Как избежать смещения выборки при обучении модели на одобренных кредитахSeniorфилиппинский банк Salmon
- Почему нельзя учиться просто на выходах в градиентном бустингеSeniorСбер
- Платформа для аб-тестов: куплена или разработана самостоятельно?SeniorЛеруаМерлен
- Какие бизнес-метрики важны для оценки качества идентификацииSeniorHybrid
- Как формировать обучающие данные для классификации на основе истории показов и покупокSeniorAvito
- Как определить политику выкупа в аукционеMiddleHybrid
- Какой был датасет для обучения модели Мистраль семь миллиардовSeniorАТОМ
- Можно ли использовать автоэнкодер для поиска аномалий при дисбалансе классовSeniorGravityField
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.