Библиотека собеса по Data Science | вопросы с собеседований
前往频道在 Telegram
Вопросы с собеседований по Data Science и ответы на них. Учиться у нас: clc.to/GjjbkQ По рекламе: @tproger_sales_bot Учиться у нас: https://proglib.io/w/7dfb7235 Для обратной связи: @proglibrary_feeedback_bot
显示更多4 458
订阅者
无数据24 小时
+17 天
-630 天
正在加载数据
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
十一月 '2611月 '26
十一月 '26
+19
在0个频道中
十月 '26
+62
在2个频道中
Get PRO
九月 '26
+40
在0个频道中
Get PRO
八月 '26
+38
在0个频道中
Get PRO
七月 '26
+32
在0个频道中
Get PRO
六月 '26
+76
在2个频道中
Get PRO
五月 '26
+79
在1个频道中
Get PRO
四月 '26
+98
在1个频道中
Get PRO
三月 '26
+109
在0个频道中
Get PRO
二月 '26
+78
在2个频道中
Get PRO
一月 '26
+90
在1个频道中
Get PRO
十二月 '25
+46
在1个频道中
Get PRO
十一月 '25
+66
在1个频道中
Get PRO
十月 '25
+55
在0个频道中
Get PRO
九月 '25
+43
在0个频道中
Get PRO
八月 '25
+48
在2个频道中
Get PRO
七月 '25
+62
在0个频道中
Get PRO
六月 '25
+50
在0个频道中
Get PRO
五月 '25
+53
在0个频道中
Get PRO
四月 '25
+82
在2个频道中
Get PRO
三月 '25
+136
在52个频道中
Get PRO
二月 '25
+111
在31个频道中
Get PRO
一月 '25
+147
在36个频道中
Get PRO
十二月 '24
+180
在35个频道中
Get PRO
十一月 '24
+216
在38个频道中
Get PRO
十月 '24
+191
在37个频道中
Get PRO
九月 '24
+144
在36个频道中
Get PRO
八月 '24
+201
在36个频道中
Get PRO
七月 '24
+193
在35个频道中
Get PRO
六月 '24
+177
在30个频道中
Get PRO
五月 '24
+198
在36个频道中
Get PRO
四月 '24
+226
在36个频道中
Get PRO
三月 '24
+261
在30个频道中
Get PRO
二月 '24
+275
在30个频道中
Get PRO
一月 '24
+269
在24个频道中
Get PRO
十二月 '23
+493
在33个频道中
Get PRO
十一月 '23
+471
在12个频道中
Get PRO
十月 '23
+1 388
在22个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 15 十一月 | 0 | |||
| 14 十一月 | +2 | |||
| 13 十一月 | +1 | |||
| 12 十一月 | +1 | |||
| 11 十一月 | +1 | |||
| 10 十一月 | +1 | |||
| 09 十一月 | +2 | |||
| 08 十一月 | +1 | |||
| 07 十一月 | +3 | |||
| 06 十一月 | +1 | |||
| 05 十一月 | +1 | |||
| 04 十一月 | +2 | |||
| 03 十一月 | +1 | |||
| 02 十一月 | +1 | |||
| 01 十一月 | +1 |
频道帖子
В PyTorch BatchNorm обучается с track_running_stats=True и momentum=0.1. В одном канале running_mean равен 10, среднее текущего батча — 20. Чему станет равен running_mean после обновления?
| 2 | Столбец pandas имеет тип Categorical с категориями A, B, C. В данных есть только A и B. Какие группы попадут в результат groupby по этому столбцу с observed=False после вызова size()? | 165 |
| 3 | OneHotEncoder обучен на одном признаке с категориями red и blue. Заданы drop=None и handle_unknown='ignore', остальные параметры — по умолчанию. Как он закодирует green, которой не было в fit? | 242 |
| 4 | 🤖 Два курса по AI по цене одного — только до 15.11!
Наигрались с нейросетями, и хотите применять их в реальных проектах?
Обращаем ваше внимание на ИИ-связку Proglib Academy:
➡️ «ИИ для разработчиков» — соберите собственный рабочий процесс с AI: от планирования и написания кода до тестирования и code review.
➡️ «Разработка ИИ-агентов» — научитесь создавать агентов, которые умеют работать с API, базами знаний и внешними инструментами, выполнять последовательность действий и решать прикладные задачи.
⏬ Вы получите два взаимодополняющих навыка: эффективную AI-разработку и инженерное создание AI-агентов за 59 000 ₽.
📍 Покупаете один курс, второй - в подарок. Не упустите свой шанс прокачаться - только до 15 ноября 😏 | 281 |
| 5 | В двух версиях NumPy используют default_rng с одним seed и одинаково вызывают методы Generator. Гарантирует ли один seed полное совпадение результатов между версиями? | 395 |
| 6 | Массив X имеет форму (3, 4). Нужно случайно переставить столбцы целиком, сохранив один порядок во всех строках. Какой метод NumPy Generator задаёт именно такую операцию? | 392 |
| 7 | При pandas.DataFrame.merge ключ sku слева повторяется, и это допустимо. Справа справочник: не более одной строки на sku. Какой validate проверяет именно это условие? | 379 |
| 8 | В бинарной задаче после isotonic calibration ROC-AUC на тех же объектах изменился. Калибратор монотонно не убывает. Как это возможно? | 413 |
| 9 | Два бинарных классификатора проверили на одном test-наборе. У первого ниже Brier loss. Достаточно ли этого, чтобы считать его вероятности лучше откалиброванными? | 424 |
| 10 | Два массива содержат ошибки моделей на одних и тех же объектах в одинаковом порядке. В scipy.stats.bootstrap оценивают разность средних. Что делает paired=True при ресемплинге? | 416 |
| 11 | В pandas выполняют inner merge по одному ключу. Слева ровно одна строка с NaN в ключе, справа две. Сколько строк результата дадут именно эти пропуски? | 439 |
| 12 | Есть 100 пациентов, по 10 снимков у каждого. Нужна оценка на пациентах, которых не было в train. Для 5 фолдов какое разбиение гарантирует, что один patient_id не окажется одновременно в train и test? | 456 |
| 13 | В каждом из 24 слоёв KV-кэша тензоры K и V имеют форму [2, 8, 1024, 64]. Элементы FP16 занимают 2 байта. Сколько MiB занимают только эти тензоры всех слоёв? 1 MiB = 2²⁰ байт. | 479 |
| 14 | В SciPy mannwhitneyu(x, y) подали независимые выборки x = [1, 4] и y = [2, 3]. Совпадающих значений нет. Чему равна statistic, то есть U для первой выборки x? | 506 |
| 15 | В Ridge цель — сумма квадратов ошибок + alpha × ||w||² при fit_intercept=False, без весов объектов. При alpha=4 нашли теоретический оптимум. Датасет удвоили: в нём ровно две копии каждой исходной строки X и y. Какой alpha сохранит этот оптимум? | 505 |
| 16 | В PyTorch 2.14 накапливают градиенты микробатчей по 2 и 6 объектов. L1 и L2 — их средние потери. Параметры фиксированы до одного шага оптимизатора. BatchNorm нет, потери объектов не зависят от состава батча. Какой loss даёт среднее по всем 8 объектам? | 542 |
| 17 | Семейство состоит ровно из трёх гипотез с корректными p-values: 0,01, 0,03 и 0,04. Применяем метод Холма при семейном уровне значимости 0,05. Какие гипотезы отвергнем? | 539 |
| 18 | В PostgreSQL 18 таблица t содержит ровно три значения x: 10, 10, 20. Какие суммы вернёт запрос для строк с x = 10, 10, 20?
SELECT x, SUM(x) OVER (ORDER BY x) FROM t ORDER BY x | 551 |
| 19 | В пяти наблюдениях x = [−2, −1, 0, 1, 2], y = x². Что верно про выборочную корреляцию Пирсона r? | 543 |
| 20 | 📌 Один курс — хорошее вложение в себя. Два по той же цене — ещё лучше.
В Proglib Academy действует акция: покупаешь один курс, а второй получаешь в подарок.
Например, можно совместить два направления по работе с ИИ:
💥 ИИ для разработчиков — применение нейросетей в повседневной разработке: работа с кодом, тестирование и ревью.
💥 Разработка ИИ-агентов — архитектура агентов и создание собственных AI-решений.
📍 Разница в цене — почти 50 тысяч рублей. Можно освоить больше, не выходя за рамки запланированного бюджета.
А если тебе интереснее Python, алгоритмы, backend или DevOps — выбирай другую пару курсов из каталога.
Акция действует до 31 октября включительно ⏳
⏮️ Пора прокачать свой стек | 502 |
