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 нужен data augmentationSeniorЯндекс
- Как решать задачу ранжирования товаровSeniorAvito
- Что делает метод __init__ в классе и когда он вызываетсяMiddleСбер
- Какой запрос быстрее работает в колоночной базе данных, а какой в строковойSeniorОстровок
- Какой алгоритм лежит в основе моделиSeniorГазпромбанк
- Как BERT предсказывает скрытые слова под маской и учитывает контекст соседних словSeniorЦифровыеПривычки
- Можно ли в uplift-модели учитывать предыдущие взаимодействия с клиентом в метрикахSeniorGravityField
- Есть ли что-то специфическое в железе для запуска моделей в автомобилеSeniorСбер
- Знакомы ли вы с RTB аукционамиSeniorHybrid
- Как косинусное расстояние помогает измерять семантическую близость векторовMiddleЦифровыеПривычки
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какая структура данных в Python позволяет моделировать NoSQL базы данныхSeniorAvito
- Кто является заказчиком и как формируются задачиMiddleЛаборатория Касперского
- Чем контентная фильтрация отличается от коллаборативной фильтрацииSeniorДомклик
- Как выбирали CatBoostSeniorГазпромбанк
- Как происходит процесс сопровождения: через git или вручную?SeniorИннотех
- Как доставались дополнительные фичиMiddleГазпромбанк
- С какими основными пакетами для анализа данных вы работалиSeniorГазпромбанк
- Как должна выглядеть разметка для обучения трансформера распознавать спецтерминологиюSeniorГазпромбанк
- Как использовать готовые языковые модели для оценки качества ответовSeniorWildberries
- Как реализовать функцию, возвращающую список квадратов элементов?MiddleСбер
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.