База вопросов для собеседования ML-инженера

431 вопрос с реальных собеседований по 9 темам, разложенные на 53 этапа в порядке разбора — от входных понятий к специфике.

NLP и LLM

Трансформеры и внимание, эмбеддинги, токенизация, дообучение и RAG — самая большая тема банка и самая частая на интервью.

177 вопросов · 13 этапов

  1. Векторные представления текста — 5 вопросов
  2. Токенизация — 7 вопросов
  3. Языковое моделирование — 13 вопросов
  4. Трансформеры и внимание — 18 вопросов
  5. Позиционные эмбеддинги — 3 вопроса
  6. Архитектуры GPT и BERT — 17 вопросов
  7. Стратегии генерации — 25 вопросов
  8. Prompt-engineering — 16 вопросов
  9. Этапы обучения LLM — 12 вопросов
  10. Данные для обучения LLM — 14 вопросов
  11. Alignment — 16 вопросов
  12. Метрики оценки LLM — 28 вопросов
  13. Практические вопросы LLM — 3 вопроса

Машинное обучение

Метрики и их выбор под задачу, переобучение, кросс-валидация, работа с пропусками и дисбалансом, ансамбли — ядро любого ML-интервью.

148 вопросов · 13 этапов

  1. Основы ML — 9 вопросов
  2. Признаки и предобработка — 12 вопросов
  3. Метрики качества — 20 вопросов
  4. Валидация и отбор моделей — 6 вопросов
  5. Линейные модели — 15 вопросов
  6. Оптимизация и градиентный спуск — 4 вопроса
  7. Регуляризация и переобучение — 6 вопросов
  8. Метрические модели — 9 вопросов
  9. Деревья решений — 16 вопросов
  10. Ансамблевые методы — 31 вопрос
  11. Кластеризация — 14 вопросов
  12. Временные ряды — 5 вопросов
  13. Рекомендательные системы — 1 вопрос

Deep Learning

Обратное распространение, инициализация и нормализация, оптимизаторы, регуляризация и то, почему сеть не учится.

33 вопроса · 6 этапов

  1. Основы нейронных сетей — 5 вопросов
  2. Функции активации и потерь — 8 вопросов
  3. Обучение нейронных сетей — 8 вопросов
  4. Свёрточные сети (CNN) — 9 вопросов
  5. Рекуррентные сети (RNN) — 1 вопрос
  6. Эмбеддинги и автоэнкодеры — 2 вопроса

Математика

Линейная алгебра, производные и градиенты, оптимизация — ровно в том объёме, в каком их спрашивают на интервью, а не в курсе матанализа.

31 вопрос · 2 этапа

  1. Линейная алгебра — 20 вопросов
  2. Математический анализ — 11 вопросов

Статистика

Проверка гипотез, доверительные интервалы, ошибки первого и второго рода, устройство A/B-теста и распространённые ловушки.

19 вопросов · 6 этапов

  1. Описательная статистика — 3 вопроса
  2. Теория вероятностей — 2 вопроса
  3. Распределения — 3 вопроса
  4. Проверка гипотез — 6 вопросов
  5. Статистические методы — 4 вопроса
  6. A/B-тесты — 1 вопрос

SQL и базы данных

Соединения и группировки, оконные функции, индексы и планы запросов — то, что просят объяснить словами, а не написать на бумаге.

10 вопросов · 5 этапов

  1. Типы баз данных — 1 вопрос
  2. Основные операторы — 3 вопроса
  3. Объединения таблиц — 1 вопрос
  4. Оконные функции — 4 вопроса
  5. Оптимизация запросов — 1 вопрос

Python

Структуры данных и их сложность, генераторы, особенности интерпретатора — без алгоритмических задач на белой доске.

7 вопросов · 3 этапа

  1. Инструменты и окружение — 1 вопрос
  2. Pandas и NumPy — 4 вопроса
  3. Оптимизация кода — 2 вопроса

Инженерия и инфраструктура

Модель в продакшене: обучение и инференс, версии данных, мониторинг и дрейф, воспроизводимость.

3 вопроса · 3 этапа

  1. Инструменты разработки — 1 вопрос
  2. Распределённые вычисления — 1 вопрос
  3. MLOps и деплой — 1 вопрос

Компьютерное зрение

Свёртки и рецептивное поле, аугментации, детекция и сегментация, предобученные бэкбоны.

3 вопроса · 2 этапа

  1. Классические методы — 2 вопроса
  2. Нейросетевые методы — 1 вопрос

Вопросы попроще — с них начинают

Пройти мок-интервью · Все вопросы · Сколько стоит