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:4 474
Obunachilar
+224 soatlar
-17 kunlar
-1930 kunlar
Postlar arxiv
Представь, что ты строишь модель предсказания спроса на доставку еды. У тебя есть столбец с датой заказа: 2026-02-16 19:30:00. Если ты оставишь его в таком виде, модель ничего не поймет.
Какое преобразование этого признака принесет пользу для модели?
Что рекомендуется использовать вместо std::bind в современном C++?
Самый популярный метод — K-Fold.
Однако есть ситуация, когда обычный K-Fold нельзя использовать. О каком типе данных идет речь?
У тебя есть датасет, где на 1000 «хороших» примеров приходится всего 10 «плохих». Тебе нужно обучить классификатор. Какой метод генерации новых данных (Oversampling) создаёт синтетические примеры редкого класса, а не просто дублирует существующие?
Ты создаешь рек-ную систему для статей. Ты хочешь понять, насколько статья А похожа на Б по смыслу. Для этого ты превращаешь тексты в векторы.
Какую метрику используют, чтобы измерить «близость» векторов, если важно направление интересов пользователя?
Repost from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
Какие методы синтаксического анализа текста могут быть использованы для обнаружения именных групп (noun phrases), глагольных групп (verb phrases), а также для определения подлежащего (subject) и дополнения (object) в NLP?
Представь, что мы используем агломеративный подход. В начале каждая точка — это отдельный кластер. Затем алгоритм попарно объединяет близкие точки в группы, пока всё не превратится в один кластер. Как называется график, который визуализирует этот процес?
В отличие от K-means, где мы заранее задаем K, в DBSCAN мы задаем «правила соседства»: радиус поиска и минимальное количество соседей.
Как DBSCAN поступает с точкой, у которой в радиусе слишком мало соседей, и она не является соседом «плотной» группы?
K-means работает итеративно: сначала он ставит случайные точки (центроиды), а затем двигает их, пока они не окажутся в центрах своих групп.
На каждом шаге происходят две вещи. Какая из них описывает процесс обновления координат центроида?
Представь, что у тебя есть облако точек в 2D (два признака: рост и вес), которое вытянуто вдоль одной линии. Ты хочешь сжать эти данные в 1D, чтобы не потерять структуру данных.
Как PCA выбирает направление для этой новой оси (первой главной компоненты)?
Представь, что ты обучаешь модель предсказывать стоимость квартир. Первое дерево предсказало 10 млн ₽, а реальная цена — 12 млн ₽. Ошибка (остаток) составила 2 млн ₽.
Что будет делать второе дерево в алгоритме градиентного бустинга?
«Расскажите про ваш опыт с Agentic RAG» — стандартный вопрос собеседования
Рынок DS в 2026 году требует большего, чем знание
torch и pandas. Компании ищут инженеров, умеющих строить автономные системы, способные решать задачи без участия человека.
На курсе мы даём то, что требуют на позициях Senior AI Engineer. Мы разбираем реальные задачи: как оценивать качество генерации (LLM-as-a-Judge), как строить мультиагентные системы и выводить это в прод.
Темы для вашего резюме:
— Orchestration: LangGraph, LangChain.
— Retrieval: Hybrid Search, Reranking, GraphRAG.
— Fine-tuning: адаптация моделей под специфику агента.
— Evaluation: метрики качества для генеративных моделей.
Подготовиться к собеседованиям нового уровняТы обучаешь лин.регрессию на данных с огромным количеством признаков, многие из них бесполезны. Нужно, чтобы модель не просто уменьшила веса плохих признаков, а полностью занулила их, выполнив автоматический отбор.
Какой тип регуляризации нужно выбрать?
Ты обучаешь лин.регрессию на данных с огромным количеством признаков, многие из них бесполезны. Нужно, чтобы модель не просто уменьшила веса плохих признаков, а полностью занулила их, выполнив автоматический отбор.
Какой тип регуляризации нужно выбрать?
Хард-скилл, который будут спрашивать в 2026 году
Умение обучить модель — база. Умение завернуть её в автономного агента, работающего с инструментами — конкурентное преимущество. Курс «Разработка ИИ-агентов» уже стартовал.
Что прокачаем:
— построение RAG-систем с векторными БД;
— оркестрацию через
LangGraph;
— понимание агентной архитектуры и ReAct.
Первая лекция доступна бесплатно. Отличный шанс подтянуть теорию для собеседований.
Записаться
Смотреть лекциюТы строишь модель, предсказывающую, вернет ли клиент банковский кредит. В твоем наборе данных есть признак «Сумма выплаченных процентов». На обучении модель показывает идеальный результат. Почему этот признак является классическим примером Target Leakage?
Вы обучили модель градиентного бустинга предсказывать вероятность поломки. Она показывает отличный ROC-AUC, но бизнес жалуется: модель выдает 0.8, а в реальности поломка происходит в 40%.
Какой инструмент позволяет визуально оценить это несоответствие?
Проблема A/B-тестов — дисперсия. Пользователи разные: кто-то всегда тратит много, кто-то мало.
CUPED использует данные о пользователях, собранные до начала теста. Каким образом он уменьшает дисперсию?
Вы проводите тест в online-магазине. В тест группу случайно попал оптовый закупщик, который купил товара на 1000000₽, в то время как обычный чек — 2000₽. Это завысило среднее в группе. Какой метод наиболее корректен для снижения влияния таких выбросов?
Ты планируешь A/B-тест. Чтобы убедиться, что твой калькулятор p-value и система сплитования корректны, ты запускаешь A/A-тест: делишь трафик на 2 группы, но обеим показываешь одинаковый вариант сайта. Что является признаком проблемы при анализе A/A-теста?
