База вопросов для собеседования ML и AI-инженера
428 вопросов с реальных собеседований по 7 темам, разложенные на 49 этапов в порядке разбора. Видно объём каждой темы и то, что уже разобрано.
- NLP и LLM — 177 вопросов, 13 этапов
- Машинное обучение — 148 вопросов, 13 этапов
- Deep Learning — 36 вопросов, 7 этапов
- Математика — 31 вопрос, 2 этапа
- Статистика — 19 вопросов, 6 этапов
- SQL и базы данных — 10 вопросов, 5 этапов
- Python — 7 вопросов, 3 этапа
Вопросы попроще — с них начинают
- В чём геометрический смысл производной?
- В чём смысл первообразной и определённого интеграла?
- Для каких задач применяют кластеризацию?
- Для чего в SQL используется оператор LIKE?
- Как ещё называют полносвязные нейронные сети?
- Какие алгоритмы классификации вы знаете?
- Какие бывают типы признаков?
- Какие виды матриц существуют?
- Какие операции определены над матрицами?
- Какие основные типы задач машинного обучения существуют?
- Три модели дают ROC-AUC 0.51, 0.65 и 0.88. Какая предсказывает лучше и почему?
- Чем в Jupyter магическая команда % отличается от %%?
- Чем случайный лес отличается от одного дерева решений?
- Чем тестовая выборка отличается от валидационной?
- Чем функция нескольких переменных отличается от функции одной переменной?
- Чем max_length отличается от max_new_tokens?
- Чем precision отличается от recall и когда что важнее?
- Чему равно математическое ожидание константы?
- Что делает параметр temperature?
- Что такое автоэнкодер?
- Что такое базис пространства?
- Что такое бустинг?
- Что такое бэггинг?
- Что такое вектор и какие операции над ним определены?
- Что такое гиперпараметр модели?
- Что такое гладкая функция?
- Что такое градиент?
- Что такое дендрограмма?
- Что такое задача языкового моделирования (next token prediction)?
- Что такое кластеризация?