Библиотека собеса по Data Science | вопросы с собеседований
Kanalga Telegram’da o‘tish
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
Ko'proq ko'rsatish
Tarmoq:4 486
Obunachilar
Ma'lumot yo'q24 soatlar
-87 kunlar
+430 kunlar
Postlar arxiv
Операции в Spark делятся на: узкие и широкие.
Какая из следующих операций является Широкой (Wide Transformation) и почему она считается самой «дорогой» и опасной для производительности кластера?
🤖 Большинство материалов по ИИ-агентам устаревают быстрее, чем многие курсы успевают обновить программу
Инструменты, подходы и фреймворки меняются постоянно. Поэтому важно не просто собрать демо-агента, а понимать архитектуру, ограничения и практики, которые используются в продакшене.
🚀 30 июня стартует курс «Разработка ИИ-агентов».
⏳ До 20 июня действует сниженная цена.
За 8 недель под руководством практиков из бигтеха вы соберёте собственного AI-агента, который работает с API, использует память, подключается к внешним сервисам и решает реальную задачу.
Что разберём:
🔹 архитектуру AI-агентов и надёжный вывод;
🔹 LangGraph и оркестрацию workflow;
🔹 MCP и работу с внешними инструментами;
🔹 RAG-системы;
🔹 AgentOps, observability и evals;
🔹 безопасность и защиту от prompt injection;
🔹 мультиагентные системы и A2A.
На курсе отдельно разбираем вопросы надёжности, безопасности и контроля агентных систем.
👉 Узнать программу и забронировать место со скидкой
Что на самом деле делает Spark в тот момент, когда ты запускаешь строчку кода с фильтрацией .filter(df.city == "Москва")?
В теории игр вектор Шепли распределяет выигрыш между игроками, которые объединились в коалицию для достижения общей цели.Как эта экономическая концепция переносится на машинное обучение при расчете SHAP Values?
💻 3 курса по цене одного — собери стек для оффера в топовую IT-компанию
Для следующего карьерного шага мало писать код. Работодатели ждут не только знания языка, но и понимания архитектуры, алгоритмов, автоматизации, AI-инструментов и агентных систем.
Одно направление закрывает только часть задачи.
Поэтому сейчас мы предлагаем освоить сразу несколько востребованных навыков — выбери любой курс и получи доступ еще к двум бесплатно 🔥
Собери стек навыков под свою цель:
🔹 подготовка к сильным компаниям (алгоритмы, архитектура);
🔹 переход в AI-направление (ИИ-агенты, AgentOps);
🔹 развитие в ML и Data Science (математика, основы ML);
🔹 новый оффер и рост дохода.
Полученные знания применяешь в работе уже во время обучения.
⏳ Акция действует 48 часов — 13 и 14 июня.
👉 Переходи на сайт, выбирай курсы и оставляй заявку — за 10 минут поможем собрать комплект под твою цель.
Какую физическую и математическую роль выполняет штраф D(KL) в процессе обучения VAE?
На основе какого математического показателя Adam уменьшает скорость обновления для тех весов, которые постоянно получают огромные градиенты?
Благодаря какому математическому свойству BatchNorm вносит легкий «шум» в процесс обучения, помогая модели обобщать данные?
📊 Хотите войти в Data Science, но математика кажется самым сложным этапом?
На практике большинство джунов спотыкаются не о Python, а о математическую базу:
▪️ Теорию вероятностей и статистику
▪️ Линейную алгебру
▪️ Математический анализ
▪️ Комбинаторику
Именно на этих темах строятся машинное обучение, аналитика данных и рекомендательные системы.
Освойте ключевые разделы математики, которые используются в Data Science и Machine Learning на курсе «Математика для Data Science».
Что вас ждет:
🔹 40+ видеолекций и 150+ практических заданий на Python
🔹 Проверка домашних работ и обратная связь от преподавателей
🔹 Подготовка к задачам с технических собеседований
🔹 Программа от преподавателей ВМК МГУ, НИУ ВШЭ и экспертов индустрии
Курс подойдет разработчикам, аналитикам и всем, кто планирует развиваться в Data Science и Machine Learning.
👉 Записаться на бесплатный демо-урок
Как BatchNorm вычисляет среднее и дисперсию во время инференса (тестирования), когда на вход модели может прийти всего один объект, а не целый батч?
Какая математическая особенность сигмоиды заставляет градиенты на начальных слоях сети стремиться к нулю во время Backpropagation?
При валидации или инференсе модели в PyTorch код обязательно оборачивают в контекстный менеджер with torch.no_grad():.
Какую техническую задачу решает этот шаг и почему его важно использовать в продакшене?
Когда вы пишите код на PyTorch, процесс обучения обычно выглядит так: loss.backward().
Что именно происходит внутри вычислительного графа (Computational Graph) PyTorch в момент вызова этой функции?
Как ведет себя модель с высокой дисперсией (High Variance) при переходе от обучающего набора данных к валидационному?
В машинном обучении часто цитируют теорему No Free Lunch.Какое главное математическое утверждение формулирует эта теорема применительно к алгоритмам оптимизации и обучения?
Каким свойством должна обладать функция агрегации (Aggregate) в GNN, чтобы модель работала корректно независимо от того, в каком порядке мы перечисляем соседей вершины?
⚡️ Продолжаем знакомить вас с экспертами курса AgentOps!
— Сергей Нотевский расскажет, как выстроить FinOps для AI-продуктов: оптимизировать затраты на разработку и продакшен, внедрить model routing, semantic cache и систему алертов для контроля расходов
— Эмиль Сатаев разберет Context Engineering: управление контекстом, защиту от prompt injection, работу с длинными контекстами и построение безопасного пайплайна входа для AI-систем
— Михаил Бондаревский покажет, как подготовить инфраструктуру для AI-агентов: Docker, sandboxing, streaming, docker-compose и воспроизводимое окружение для разработки и продакшена
— Мурат Хажгериев расскажет про Enterprise Integrations & MCP: когда MCP действительно нужен, как подключать внешние сервисы и реализовывать интеграции с OAuth2 delegation
— Герман Сабиров разберет Governance & Compliance для AI-систем: data flow, audit logs, требования 152-ФЗ, локализацию данных и построение compliance-подхода на уровне архитектуры
Курс для backend-разработчиков, тимлидов и LLM инженеров о том, как внедрять AI-логику в бэкенд IT-продуктов и сохранять стабильность сервиса.
👉 Изучить обновленную программу AgentOps и занять место.
Основная идея GNN заключается в том, что каждая вершина графа должна обновиться, «выслушав» информацию от своих соседей. Этот процесс называется Message Passing.
Из каких трех последовательных шагов состоит одна итерация передачи сообщений в GNN?
При настройке векторного индекса нужно выбрать метрику расстояния.
В каком случае вычисление Внутреннего произведения будет математически эквивалентно Косинусному расстоянию, но при этом выполнится гораздо быстрее на уровне процессора?
Одной из проблем трансформеров долгое время оставалось ограничение длины контекста.
Какая математическая операция внутри механизма Attention вызывает квадратичную сложность O(N2) по памяти и вычислениям от длины текста N?
