Библиотека собеса по Data Science | вопросы с собеседований
Відкрити в 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
Показати більше
Сітка:4 478
Підписники
-224 години
+17 днів
-930 день
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
липень '26
липень '26
+27
в 0 каналах
червень '26
+76
в 2 каналах
Get PRO
травень '26
+79
в 1 каналах
Get PRO
квітень '26
+98
в 1 каналах
Get PRO
березень '26
+109
в 0 каналах
Get PRO
лютий '26
+78
в 2 каналах
Get PRO
січень '26
+90
в 1 каналах
Get PRO
грудень '25
+46
в 1 каналах
Get PRO
листопад '25
+66
в 1 каналах
Get PRO
жовтень '25
+55
в 0 каналах
Get PRO
вересень '25
+43
в 0 каналах
Get PRO
серпень '25
+48
в 2 каналах
Get PRO
липень '25
+62
в 0 каналах
Get PRO
червень '25
+50
в 0 каналах
Get PRO
травень '25
+53
в 0 каналах
Get PRO
квітень '25
+82
в 2 каналах
Get PRO
березень '25
+136
в 52 каналах
Get PRO
лютий '25
+111
в 31 каналах
Get PRO
січень '25
+147
в 36 каналах
Get PRO
грудень '24
+180
в 35 каналах
Get PRO
листопад '24
+216
в 38 каналах
Get PRO
жовтень '24
+191
в 37 каналах
Get PRO
вересень '24
+144
в 36 каналах
Get PRO
серпень '24
+201
в 36 каналах
Get PRO
липень '24
+193
в 35 каналах
Get PRO
червень '24
+177
в 30 каналах
Get PRO
травень '24
+198
в 36 каналах
Get PRO
квітень '24
+226
в 36 каналах
Get PRO
березень '24
+261
в 30 каналах
Get PRO
лютий '24
+275
в 30 каналах
Get PRO
січень '24
+269
в 24 каналах
Get PRO
грудень '23
+493
в 33 каналах
Get PRO
листопад '23
+471
в 12 каналах
Get PRO
жовтень '23
+1 388
в 22 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 25 липня | 0 | |||
| 24 липня | +2 | |||
| 23 липня | +2 | |||
| 22 липня | +1 | |||
| 21 липня | +1 | |||
| 20 липня | +2 | |||
| 19 липня | +2 | |||
| 18 липня | +1 | |||
| 17 липня | +2 | |||
| 16 липня | +1 | |||
| 15 липня | 0 | |||
| 14 липня | 0 | |||
| 13 липня | 0 | |||
| 12 липня | +1 | |||
| 11 липня | 0 | |||
| 10 липня | +2 | |||
| 09 липня | 0 | |||
| 08 липня | +1 | |||
| 07 липня | +1 | |||
| 06 липня | 0 | |||
| 05 липня | 0 | |||
| 04 липня | +2 | |||
| 03 липня | +2 | |||
| 02 липня | +3 | |||
| 01 липня | +1 |
Дописи каналу
Для нелинейного разделения SVM использует ядерный трюк K(x,x′).
Что именно вычисляет функция ядра K(x,x′) без явного перевода объектов в пространственную размерность высочайшей степени?
| 2 |  📈 Скоро фраза «умею пользоваться AI» в резюме будет звучать так же странно, как сегодня «умею пользоваться Git»
Это просто станет частью профессии. А вот умение встроить AI в процесс разработки так, чтобы он действительно ускорял работу команды, останется конкурентным преимуществом 💡
🔜 На курсе «ИИ для разработчиков» участники работают со своими проектами и учатся делать AI частью ежедневной разработки: планировать задачи, писать код, проверять изменения, готовить PR и автоматизировать рутину.
До конца июля действует специальная цена — 59 990 ₽ вместо 79 990 ₽ 🥳 И получить бессрочный доступ ко всем материалам курса.
🔗 Посмотреть, как устроен курс
🏃♀️ Proglib Academy | 209 |
| 3 | Курс для тех, кто хочет перестать просто «пользоваться AI» и начать выстраивать с ним нормальный процесс разработки 🥳 | 225 |
| 4 | Несмотря на красивую математику, спектральную кластеризацию редко применяют в лоб на датасетах из миллионов объектов.
Какое главное вычислительное ограничение мешает применять точную спектральную кластеризацию к Big Data? | 318 |
| 5 | Почему бустинг над деревьями работает в пространствах высокой размерности, где KNN теряет эффективность? | 357 |
| 6 |  😸 Каждый разработчик подходит к задаче со своим опытом: помнит прошлые решения, знает ограничения проекта и понимает, какой код команда пропустит на ревью.
Для человека это естественная часть работы. У Claude Code этого контекста по умолчанию нет — только задача и инструкции, которые ему дали.
Поэтому в большой команде недостаточно просто выбрать хорошую модель.
❗️ Нужно ещё объяснить ей, как у вас устроена разработка: какие подходы приняты, что обязательно проверять и по каким правилам принимать решения.
🗓 23 июля в 19:00 МСК поговорим об этом на бесплатном вебинаре с Алексеем Жиряковым — он Executive Director в Сбере, руководит
GenAI Data Platform, и с этой проблемой сталкивался не раз 🔥
Покажет живое демо, разберём, как встроить AI в процесс разработки так, чтобы он реально помогал, а не добавлял ещё один повод для споров на ревью.
🔗 Занять место на вебинаре
🏃♀️ Proglib Academy | 227 |
| 7 | Чем nn.CrossEntropyLoss отличается от подачи в неё softmax-выходов? | 373 |
| 8 | Что вернёт np.arange(10).sum()? | 408 |
| 9 |  🧑💻 Учиться агентной разработке — у тех, кто уже внедряет её в бигтехе
Курс «ИИ для разработчиков» ведут практики из ведущих российских IT-компаний 🔥
🔵 Они прошли путь от первых экспериментов с AI до рабочих процессов, в которых агенты помогают команде писать код, готовить PR и быстрее доводить задачи до продакшена.
В ближайшее время познакомим вас с каждым преподавателем. Программа курса — по ссылке 🎹
🏃♀️ Proglib Academy | 301 |
| 10 | 🤷♂️ Что важнее в хорошем курсе: программа или люди, которые её создают?
У Proglib Academy вышел пост о том, на каком опыте построен новый курс по AI для разработчиков 🦴 | 348 |
| 11 | Конформная регрессия предсказывает цену акций. После периода стабильности начинается сильная волатильность. Как сохранить ошибку 5%? | 376 |
| 12 | Большинство методов калибровки требуют выполнения жестких условий на распределение данных.
Какое минимальное допущение о данных требуется Конформному предсказанию для обеспечения строгой математической гарантии точности? | 416 |
| 13 | Stochastic Weight Averaging (SWA) — это чрезвычайно простая, но мощная модификация процесса обучения.
Какую операцию выполняет SWA с весами модели на финальном этапе обучения? | 377 |
| 14 |  🫡 Один и тот же запрос к AI можно выполнить двумя способами — и получить совершенно разный результат.
1️⃣ способ — просто попросить написать код. Модель может сгенерировать рабочее решение, но именно на этапе проверки часто всплывают пропущенные edge case’ы, ошибки обработки или проблемы с тестами.
2️⃣ способ — дать агенту цикл Think → Act → Observe. Он не останавливается после первой попытки: планирует действия, проверяет результат и, если находит ошибку, исправляет её и пробует снова.
Самое интересное, что разница здесь не столько в модели ❕ Claude, GPT или другая LLM могут быть одинаковыми. Разницу создаёт инженерная система вокруг них.
📅 Именно это разберём 23 июля в 19:00 (МСК) на бесплатном вебинаре с Алексеем Жиряковым (Executive Director в Сбере, GenAI Data Platform, ex-CTO Stream и KION).
На живом демо покажем, как один и тот же запрос работает без агентной системы и с ней 🔥
🔗 Регистрация
🏃♀️ Proglib Academy | 226 |
| 15 |  🔥 Курс «Разработка ИИ-агентов» стартовал, но вы еще успеваете присоединиться!
Мы только начали, а первый практический воркшоп пройдет только 23 июля. До этого времени вы спокойно успеете изучить материалы и нагнать группу.
💼 Главная фишка: финальный проект в портфолио:
В финальном проекте вы сможете выбрать один из двух вариантов: реализовать свою идею или решить задачу от партнера курса — крупной российской финтех-компании. Вы будете работать с датасетом, построенным по реальным сценариям, получите бизнес-контекст и продовые ограничения. В результате соберете AI-агента, который станет сильным проектом для портфолио.
🎁 Упомяните менеджеру специальное предложение «3 курса по цене 1»: Берете VIP-тариф — получаете курс «Разработка ИИ-агентов», хардкорный «AgentOps» и ещё один курс на выбор. Выгода 129.000 ₽!
Двери потока вот-вот закроются окончательно. Успейте забрать стек курсов и начать работу над реальным проектом
🔗 Занять место и забрать 3 курса | 364 |
| 16 | Какую двойственную оптимизационную задачу решает метод Information Bottleneck? | 392 |
| 17 |  🔥 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 | 346 |
| 18 | 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? | 385 |
| 19 |  🚀 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 | 385 |
| 20 | Как применяется принцип ортогональности при обучении нескольких LoRA-адаптеров под разные задачи на одной базовой модели? | 392 |
