JobPathВопросы на собеседовании дата-сайентиста и ML-инженера
1 165 вопросов с реальных собеседований, чаще всего — в компаниях Сбер, Иннотех и Avito.
Все вопросы
- Использовали ли кредитные истории и бюро кредитных историй в скоринге?Seniorнетология
- Как GPT генерирует текстSeniorСбер
- Как обработка звука может применяться к анализу метрикSeniorSensemitter
- Что такое embeddingJuniorИннотех
- Как избежать запятой в конце строки при формировании результатаMiddleVK
- Как спроецировать облако точек на камеруSeniorАТОМ
- Опыт написания SQL запросовMiddleOzon
- Есть ли переработки на работеMiddleАвтомакон
- Как определить, что товары покупались вместе и являются сопутствующимиSeniorAvito
- Обезличиваем ли мы другие признаки, например пол, возраст, историю клиентаSeniorЦифровыеПривычки
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Какие требования по скорости доставки данных: реалтайм или батчSeniorigaming
- Можно ли использовать кластеризацию при отсутствии размеченных данных для предположения классов товаров?SeniorПлатформаОФД
- Как работает механизм внимания в BERT и почему он эффективнее Word2VecSeniorЦифровыеПривычки
- Как формируются группы в A/B тестахSeniorAston
- В каком виде заказчик хотел получить результат: бинарное предсказание или вероятность?SeniorГазпромбанк
- Являются ли строки в Python изменяемыми или неизменяемыми?MiddleСбер
- Занимался ли выкатыванием в продакшн в проектеSeniorOzon
- Что такое ETLJuniorAston
- Сколько было дефолтных клиентов?Seniorнетология
- Столкнулись ли вы с Liquibase?MiddleИннотех
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.