Библиотека собеса по Data Science | вопросы с собеседований
رفتن به کانال در Telegram
Вопросы с собеседований по Data Science и ответы на них. Учиться у нас: clc.to/GjjbkQ По рекламе: @proglib_adv Учиться у нас: https://proglib.io/w/7dfb7235 Для обратной связи: @proglibrary_feeedback_bot
نمایش بیشتر
شبکه:4 478
مشترکین
-324 ساعت
-167 روز
-530 روز
در حال بارگیری داده...
کانالهای مشابه
![Data Science | Machinelearning [world]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1Ut4lf%2F5440683435078302971%3Fty%3Dx&w=256&q=75)
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئیه '26
ژوئیه '26
+13
در 0 کانالها
ژوئن '26
+76
در 2 کانالها
Get PRO
مه '26
+79
در 1 کانالها
Get PRO
آوریل '26
+98
در 1 کانالها
Get PRO
مارس '26
+109
در 0 کانالها
Get PRO
فوریه '26
+78
در 2 کانالها
Get PRO
ژانویه '26
+90
در 1 کانالها
Get PRO
دسامبر '25
+46
در 1 کانالها
Get PRO
نوامبر '25
+66
در 1 کانالها
Get PRO
اکتبر '25
+55
در 0 کانالها
Get PRO
سپتامبر '25
+43
در 0 کانالها
Get PRO
اوت '25
+48
در 2 کانالها
Get PRO
ژوئیه '25
+62
در 0 کانالها
Get PRO
ژوئن '25
+50
در 0 کانالها
Get PRO
مه '25
+53
در 0 کانالها
Get PRO
آوریل '25
+82
در 2 کانالها
Get PRO
مارس '25
+136
در 52 کانالها
Get PRO
فوریه '25
+111
در 31 کانالها
Get PRO
ژانویه '25
+147
در 36 کانالها
Get PRO
دسامبر '24
+180
در 35 کانالها
Get PRO
نوامبر '24
+216
در 38 کانالها
Get PRO
اکتبر '24
+191
در 37 کانالها
Get PRO
سپتامبر '24
+144
در 36 کانالها
Get PRO
اوت '24
+201
در 36 کانالها
Get PRO
ژوئیه '24
+193
در 35 کانالها
Get PRO
ژوئن '24
+177
در 30 کانالها
Get PRO
مه '24
+198
در 36 کانالها
Get PRO
آوریل '24
+226
در 36 کانالها
Get PRO
مارس '24
+261
در 30 کانالها
Get PRO
فوریه '24
+275
در 30 کانالها
Get PRO
ژانویه '24
+269
در 24 کانالها
Get PRO
دسامبر '23
+493
در 33 کانالها
Get PRO
نوامبر '23
+471
در 12 کانالها
Get PRO
اکتبر '23
+1 388
در 22 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 14 ژوئیه | 0 | |||
| 13 ژوئیه | 0 | |||
| 12 ژوئیه | +1 | |||
| 11 ژوئیه | 0 | |||
| 10 ژوئیه | +2 | |||
| 09 ژوئیه | 0 | |||
| 08 ژوئیه | +1 | |||
| 07 ژوئیه | +1 | |||
| 06 ژوئیه | 0 | |||
| 05 ژوئیه | 0 | |||
| 04 ژوئیه | +2 | |||
| 03 ژوئیه | +2 | |||
| 02 ژوئیه | +3 | |||
| 01 ژوئیه | +1 |
پستهای کانال
🔥 Стартуем СЕГОДНЯ! Новый поток курса «Разработка ИИ-агентов» открыт
По этому поводу мы решили выложить закрытую запись одного из уроков из программы. Найти её в поиске YouTube нельзя — она доступна только по ссылке и всем, кто будет на курсе.
Внутри глубокий разбор LLM от Алексея Яндутова (Senior ML-инженер, развивал ответы «Алисы» и «Нейро» в Яндексе). Учимся получать точный результат без галлюцинаций.
Что внутри урока:
- Устройство LLM. - Рабочие шаблоны промптов (Persona, Chain-of-Thought и др.). - Разбор реального кейса Яндекса. Как автоматизировать разметку, обойти качество людей на 5% и срезать косты на 60%.После просмотра вы поймете, когда хватает промпт-инжиниринга, а когда нужен RAG или fine-tuning. 👉Смотреть закрытый урок на YouTube Понравился урок? Переходите на новый уровень! Оставляйте заявку на курс, чтобы научиться проектировать надежные автономные системы. Обучение началось, но вы еще успеваете присоединиться. 🔗 Занять место на курсе
| 2 | Представь два распределения вероятностей, которые не пересекаются. Мы хотим сдвинуть одно распределение к другому с помощью градиентного спуска.
Как ведут себя градиенты KL-дивергенции и метрики Васерштейна в такой ситуации? | 167 |
| 3 |  🚀 Уже завтра стартует новый поток курса «ИИ-агенты»!
Мы собрали мощнейший состав преподавателей. Учить вас проектировать архитектуру и собирать продакшн-агентов будут инженеры и исследователи из топовых IT-компаний.
Старт уже завтра!
Сомневаетесь, подойдет ли вам программа и подача? Начните с бесплатного демо-урока!
Всего за 2 часа вы заглянете под капот ИИ-агента, поймете, чем мышление модели отличается от ее ответа, и научите систему чинить собственный код. Это идеальный способ протестировать нашу платформу перед покупкой.
🔗 Пройти демо-урок и занять место на курсе | 212 |
| 4 | Как применяется принцип ортогональности при обучении нескольких LoRA-адаптеров под разные задачи на одной базовой модели? | 261 |
| 5 | Для поиска направлений, которые нельзя менять, алгоритм собирает информацию о поведении сети на старых данных.
Какая математическая структура анализируется для определения базиса «неприкосновенного» подпространства? | 283 |
| 6 |  🤨 Как заставить AI-агента не ломать архитектуру, а нормально писать код?
Мы привыкли общаться с ИИ промптами, но для автономных систем это путь к бесконечным циклам и сливу бюджета. Чтобы убрать хаос, инженеры переходят на Spec-Driven Development (SDD).
Вот как этот подход меняет работу агента на практике:
🔹Контракт вместо текста. Сначала пишется строгая спецификация (JSON-схема/OpenAPI) и автотесты. Агент зажат в рамки интерфейсов, за которые физически не может выйти.
🔹Контроль на шагах. Внутри петли Think-Act-Observe агент сверяет действия со спецификацией.
🔹Саморефлексия. Если ИИ нарушил типы или «додумал» лишнее, тест падает. Агент получает ошибку в контекст и сам правит код, не выходя за рамки ТЗ.
Это лишь база того, как укротить ИИ-разработку. Если вы хотите глубоко внедрить эту методологию, научиться проектировать архитектурные контракты и собирать отказоустойчивые системы —оставляйте заявку на наш новый курс по Spec-Driven Development. Стартуем совсем скоро🙂 | 298 |
| 7 | Чтобы модель не забывала задачу A во время обучения на задаче B, алгоритм OGD модифицирует вектор градиента g B перед обновлением весов.
В какое подпространство OGD проецирует градиент новой задачи? | 303 |
| 8 |  🔥 Как перестать слепо доверять ИИ и начать им управлять?
1–2 августа на «ИИ-выходных» вы научитесь проектировать архитектуру автономных AI-агентов и контролировать их работу.
Что будет в вашем портфолио после обучения:
— Вы выйдете с готовым профилем AI-инженера (отлично дополнит ваши LinkedIn и GitHub).
— Освоите связку Python, FastAPI, OpenAI API, Docker и PostgreSQL.
— Соберете полноценный AI-сервис под вашу личную задачу.
Для кого: junior-middle разработчики. Вы пишете на Python, работаете с Git и терминалом (с нуля не подойдет, темп очень быстрый!).
👨💻 Спикер: Алексей Жиряков (Сбер, GenAI).
Места строго ограничены!
👉 Изучить программу и занять место | 300 |
| 9 | DPO имеет слабость по сравнению с PPO: он обучается на фиксированном датасете пар.
К какому негативному эффекту это может приводить, если модель в процессе DPO-обучения начинает генерировать ответы, уходящие далеко в сторону от обучающей выборки? | 314 |
| 10 | Мы восстанавливаем пропущенные элементы в матрице (Matrix Completion), представив её как произведение двух глубоких линейных слоев W=W2W1, и обучаем градиентным спуском.
Какое неявное структурное ограничение накладывает SGD на итоговую матрицу W? | 335 |
| 11 |  📹 Из чего на самом деле состоит ИИ-агент?
Прикрепили для вас свежую вырезку из вебинара. Внутри, что прячется под капотом агентных систем: от LLM-ядра до вызова внешних инструментов. Обсуждаем, какими бывают агенты (спойлер: далеко не только автономными) и когда какой подход использовать.
Готовы перейти от видео к практике и собрать свой первый продакшн-кейс?
Прямо сейчас у нас действует акция «3 курса по цене 1»:
🔹 При покупке VIP-тарифа нового потока «Разработка ИИ-агентов» вы получаете в подарок хардкорный курс «AgentOps» + ещё один любой курс Академии на ваш выбор!
🔹 Ваша чистая экономия — 129 000 ₽! Два топовых курса по созданию и контролю агентов обойдутся вам всего в 134 000 ₽ вместо 263 000 ₽. Плюс третий курс бонусом (например, «Математика для AI»).
Сомневаетесь, подойдет ли вам формат? Оставьте заявку и пройдите бесплатный демо-урок, чтобы протестировать платформу перед покупкой.
👉 Пройти демо-урок и забрать 3 курса по цене 1 | 317 |
| 12 |  💰 Почему одним Data Scientist платят больше, чем другим?
Дело не только в знании Python и ML-библиотек. Во многих компаниях уровень специалиста оценивают по математической подготовке: теории вероятностей, статистике, линейной алгебре и математическому анализу.
Именно эти знания помогают понимать модели, решать более сложные задачи и претендовать на позиции с более высокой оплатой.
На курсе «Математика для Data Science» вы изучите разделы, которые используются в работе Data Scientist и ML Engineer.
Что вас ждёт:
🔹 40+ видеолекций и 150+ практических заданий на Python
🔹 Проверка домашних работ и обратная связь от преподавателей
🔹 Подготовка к техническим собеседованиям
🔹 Программа от преподавателей ВМК МГУ, НИУ ВШЭ и экспертов индустрии
👉 Записаться на бесплатный демо-урок | 327 |
| 13 | На практике замечено, что модели, обученные с большим шагом обучения и маленьким размером батча, обобщают данные лучше, чем модели, обученные на огромных батчах с крошечным шагом.
Какова математическая природа этого феномена в ландшафте функции потерь? | 341 |
| 14 |  🔥 Открытое занятие по AgentOps — курс стартовал!
Сегодня в 19:00 по МСК пройдет первое занятие нового потока, на которое может прийти каждый. Оцените пользу нашего подхода на ретрансляции урока в VK!
👨💻 Спикер: Андрей Носов
Тема: Архитектура управления: state machine для AI-агентов
Будем разбираться, как использовать State machine в качестве главного оружия против стохастики (непредсказуемости) LLM.
Что в программе:
● State machine: инварианты и терминальные состояния;
● Паттерны маршрутизации: Supervisor, ReAct, Plan-and-Solve;
● Детекция циклов и настройка аварийных выходов;
● Абстракция от модели: как сделать каркас, который переживет смену LLM/провайдера;
● Адаптация графов под ограничения локальных моделей;
● Версионирование графов и миграции стейта.
Результат занятия: Вы поймете, как спроектировать надежный каркас агента с жестким контролем исполнения и переходов.
👉 Подписывайтесь на нашу группу ВКонтакте, чтобы не пропустить старт трансляции! | 351 |
| 15 | Если данные линейно разделимы, и мы обучаем логистическую регрессию с помощью SGD до бесконечности (пока лосс не устремится к нулю), веса растут по модулю.
Вдоль какого направления будут бесконечно расти веса модели, согласно теории неявного смещения? | 396 |
| 16 | Если убрать негативные примеры из функции потерь и учить сеть выдавать похожие эмбеддинги для двух разных аугментаций одной картинки, модель быстро найдет «хак».
В чем заключается суть коллапса представлений при наивном обучении без негативных примеров? | 425 |
| 17 |  🎬 Как ИИ ускоряет разработку и где ломаются архитектуры
Мы провели открытый вебинар, где разобрали реальные боли проектирования автономных систем. Ольга Лукьянова на практическом кейсе показала, как использовать ИИ-ассистентов для реальных задач. Вы просили запись встречи — она уже в открытом доступе!
Что внутри:
— Как с помощью ИИ быстрее разбираться в незнакомом коде и готовить пулл-реквесты;
— Критерии выбора между одним агентом и мультиагентной системой;
— Разбор популярных архитектурных ошибок и ограничений современных ИИ;
— Практические рекомендации по проектированию и внедрению облачных агентов.
👉 Посмотреть полную запись можно тут:
● VK
● YouTube
🚀 Хотите пойти дальше открытого вебинара? Если вы готовы перейти от простых промптов к проектированию надежных, отказоустойчивых ИИ-систем, которые не сливают бюджет компании на API, приходите на курс AgentOps. Поток уже стартовал, но двери еще приоткрыты!
👉 Успеть на курс AgentOps | 389 |
| 18 | При добавлении каждого нового слоя в стандартной GCN нам нужно собирать информацию от соседей наших соседей.
К какому вычислительному кризису это приводит на реальных графах (например, с топологией «тесного мира»)? | 421 |
| 19 |  🎮 Планы на выходные: соберите ИИ-агента в нашей новой игре!
Запустили интерактивную аркаду, где вы на практике поймете, как устроены агентные системы.
Юзеры бомбят в чате, тикеты горят, вам нужно спасать прод 🤓. Выстраивайте граф агента, подключайте узлы (RAG, CRM, Guardrails) и принимайте решения на развилках, чтобы бот не сливал данные.
Какие навыки проверите:
- Архитектура: сборка графов на LangGraph;
- Компоненты: интеграция LLM, RAG и памяти;
- Безопасность: настройка Guardrails и отладка ошибок;
- Стейт: логика на сложных развилках.
Бонус: Больше баллов — выше скидка на обучение!
Наш новый поток стартует 14 июля. При покупке курса вы забираете еще 2 любых курса Академии в подарок!
Протестируйте свою инженерную логику и заберите максимальную скидку на обучение.
👉 Сыграть в аркаду и выбить скидку | 415 |
| 20 |  ОПРОС: Ответьте на пару вопросов и получите промокод на все наши курсы! 🎁
Команда Prоglib.аcаdemy готовит к запуску новые продукты, и нам нужна ваша помощь. Мы хотим создавать обучение, которое будет решать ваши реальные карьерные задачи и бить точно в цель.
Поделитесь своим опытом и ожиданиями, чтобы мы сделали наши курсы еще полезнее именно для вас! Заполнение анкеты займет буквально 2–3 минуты, а с нас — скидка на любой наш курс!
👉 Пройти опрос в Яндекс Формах и забрать промокод | 417 |
