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 задачи вызывают интерес и чем хочешь заниматься?SeniorИннотех
- Какая асимптотическая сложность поиска в списке с вложенным цикломMiddleПАО Газпром нефть
- Можешь ли писать базовые SQL-запросы?SeniorАвтомакон
- Какие модели сравнивал между BERT-like и GPT-likeSeniorЦифровыеПривычки
- В чем разница между методами map и apply в pandasSenior1221 Systems
- Зачем в нейронных сетях используется свертка с ядром 1x1MiddleДомклик
- Как найти максимальное число в массиве, которое встречается только один разSeniorAvito
- Было ли взаимодействие с заказчиком по проектуMiddleГазпромбанк
- Что такое бутстрепJuniorДомклик
- Что такое битмап индекс и когда его используютJuniorИннотех
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как фильтровать только актуальные данные в SQL запросеSeniorAvito
- Модель запускалась оффлайн или онлайнSeniorИннотех
- Чем отличаются задачи классификации и регрессииSeniorИннотех
- Какие ресурсы по моделям и статьям вы мониторитеSeniorАТОМ
- Как смешивание признаков влияет на качество моделиSeniorHybrid
- Что такое инкрементальная загрузкаJuniorИннотех
- Что такое reranker и зачем он нуженJuniorСовкомбанк
- Приходилось ли работать с методологиями разработкиMiddleAston
- Какие статистические тесты применяются в аб-тестах?SeniorЛеруаМерлен
- Как определить, что у модели высокий varianceSeniorRubbles
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.