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 реализовать логику автоотклонения звонков при более чем 10 звонках за 15 минут от пользователяSeniorAvito
- Какова вероятность правильного ответа при разных стратегиях выбора класса в листе дерева и как это вычислить для произвольных вероятностейSeniorЯндекс
- В каком порядке выполняются SQL-операторы в запросе?MiddleЛеруаМерлен
- Какие есть способы интерпретируемости моделейSeniorГазпромбанк
- Как организовать A/B тестирование для оценки эффективности виджетаMiddleAvito
- Какой масштаб данных в базе и кликстримеSeniorigaming
- Почему в тренировочном даталоадере должен быть параметр shuffle при обучении более одной эпохиMiddleМагнит
- Почему точность случайного леса выше, чем у одного дереваMiddleSoftInterMob
- Что такое дистилляция?JuniorМагнит
- Какие угрозы нужно было обнаруживать в системе видеонаблюденияSeniorСбер
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как сравнивать эмбеддинги запросов и товаров для поиска релевантных кандидатовSeniorAvito
- Какие статистические методы вы знаете?SeniorЛеруаМерлен
- Что такое индексы в базах данных и зачем они нужныJuniorИннотех
- Как устроена архитектура RAGSeniorАТОМ
- В чем разница GET-запроса и POST-запроса в HTTPSeniorМагнит
- Когда начинается роль инженера в проекте с векторной базой данныхSeniorГазпромбанк
- В каких случаях стоит использовать корреляцию Спирмена вместо Пирсона?SeniorСбер
- Перечислите основные принципы ООПMiddleДомклик
- Как проверить релевантность модели на тестовых данных до выкатки в продакшнSenior1221 Systems
- Чем отличается мультипоточность от мультипроцессностиSeniorИннотех
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.