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
Вопрос с собеседования 2026: RAG vs Agentic RAG
На сеньорских позициях теперь спрашивают не просто про векторные базы, а про архитектуру агентов.
В чём отличие?
Обычный RAG: Нашёл документы → Сгенерировал ответ.
Agentic RAG (на
LangGraph): Оценил вопрос → Спланировал поиск → Проверил найденное → (если плохо) Переформулировал запрос и искал снова.
Умение строить такие системы с циклами и состоянием — главный навык года. Мы учим этому на курсе.
Записаться на курс
Подготовка к вопросам по архитектуре: Смотрите вводный урок бесплатно.Представь, что у тебя есть выборка из 1000 заказов, и тебе нужно найти 95% доверительный интервал для медианы чека. Математической формулы для интервала медианы «из коробки» (как для среднего) нет.
Как работает классический Non-parametric Bootstrap?
Ты работаешь с временным рядом ежедневных транзакций банка. Визуально есть тренд. Чтобы применить модель ARIMA, нужно убедиться, что ряд стационарен. Ты запускаешь расширенный тест Дики-Фуллера. Результат: p-value = 0.42. Что нужно сделать следующим?
Вопрос на $5k: «Как работает память в AI-агентах?»
Если ответите «просто векторная база» — провал. Векторная база — это знания, а память — это контекст. Правильный ответ включает архитектуру управления состоянием (State Management).
В LangGraph это реализовано через граф:
— состояние (
State) передаётся между узлами;
— агент может «забывать» или «резюмировать» контекст;
— циклы позволяют уточнять информацию.
Разберитесь в деталях на нашем курсе.
Записаться на курс
Вводная лекция бесплатноПродажи мороженого растут каждый год, есть сезонность: пик в июле, спад в январе, причём амплитуда сезонных колебаний увеличивается вместе с ростом общего уровня продаж.
Какую модель выбрать?
Какое априорное распределение обычно берут для вероятности успеха при биномиальных данных, чтобы использовать сопряжённость и получить апостериорное распределение аналитически?
Вас точно спросят про AI-агентов на следующем собеседовании
В 2026 году знание только градиентного бустинга — это база. Компании ищут тех, кто умеет внедрять LLM в продакшн через агентские архитектуры и понимает разницу между
LangGraph и обычным чейнингом.
Подготовьтесь к техническим вопросам на курсе «Углубленные AI-агенты».
Что вы добавите в резюме:
— навык проектирования мультиагентных систем;
— опыт работы с актуальными фреймворками CrewAI и AutoGen;
— понимание методов масштабирования ИИ-решений;
— готовый сквозной проект в портфолио.
Курс уже идет, залетайте, пока есть места.
🚀 Записаться на основной курс
Если сомневаетесь — просто посмотрите вводное занятие.Вы строите логистическую регрессию для предсказания оттока клиентов. В вашем наборе данных есть признаки, которые сильно коррелируют между собой. Вы решаете проверить их с помощью VIF.
Для одного из признаков вы получили VIF = 12. Что это означает?
Ты участвуешь в Kaggle соревновании. Тебе дали train набор и test. Ты подозреваешь, что данные в тесте «пришли из другого мира» (например, из другого временного периода).
Чтобы проверить, ты используешь Adversarial Validation. В чем суть метода?
Вопрос на собеседовании: «В чём разница между классическим RAG и Agentic RAG?»
Если не знаете ответ — пора на курс. Сегодня в 19:00 МСК мы начинаем разбирать архитектуру автономных систем с нуля до продакшена.
Подготовим вас к сложным вопросам по AI:
— механизмы планирования в агентах;
— работа с памятью и контекстом;
— мультиагентная оркестрация;
— методы оценки
faithfulness и relevancy ответов.
Подготовиться к офферуВы строите модель детекции мошеннических транзакций. Класс «мошенничество» встречается редко по сравнению с «легитимными» операциями. Вы решили применить SMOTE.
В чем заключается недостаток SMOTE, который приводит к огромному количеству False Positives?
Завтра стартуем: курс по разработке ИИ-агентов 📊
Будьте готовы к вопросам по архитектуре автономных пайплайнов. Мы научим проектировать агентные системы на
CrewAI, управлять графами в LangGraph и подключать модели к реальным бизнес-инструментам.
👉 Успейте занять место до начала занятийКак называется статистическое явление, при котором алгоритм A лучше в общей статистике, но хуже алгоритма B в каждом подмножестве данных (например, по устройствам)?
На интервью по DS спрашивают про Agentic Workflow, а ты всё ещё «жаришь» промпты?
Настоящий Шеф проектирует Систему. В понедельник, 26 января, стартует интенсив по разработке ИИ-агентов. Получи знания, которые отличают Middle от Senior. 📊
В программе:
— мультиагентные системы в
CrewAI: управление пулом агентов;
— сложная логика в LangGraph: проектирование стейт-менеджмента;
— tool use интеграция: связь моделей с API и базами данных. 🧠
Записаться на курсВы используете инициализацию весов He и Batch Normalization после каждого сверточного слоя. Несмотря на это, в ResNet в начале обучения растёт дисперсия активаций с глубиной, что ухудшает сходимость.
Какое решение лучше всего устраняет это?
Пятница, 19:00. Худшее время для деплоя, но идеальное, чтобы подготовиться к каверзным вопросам про LLM-пайплайны, которые точно зададут на интервью.
Вопросы про RAG и Fine-tuning стали стандартом на интервью для ML-инженеров. Приходи разобраться в теме на практике.
Разберём на открытом уроке:
— выбор между
Retrieval-Augmented Generation и дообучением весов;
— работа с векторными эмбеддингами (`FAISS`, `Chroma`);
— построение продакшн-пайплайна с использованием LangChain.
Один из спикеров — Алексей Яндутов, ML-инженер в поиске Яндекса.
Это вводное занятие курса «Разработка AI-агентов». Готовьтесь к коду и архитектурным схемам.
Записаться на урок
Представь, что ты работаешь в банке. Твоя сложная модель отклонила заявку на кредит. Клиент требует объяснить — почему? Для этого ты используешь SHAP.
В чем заключается идея вычисления Shapley values для каждого признака?
Вы тестируете систему комп. зрения для беспилотного авто Тесты показали, что можно изменить изображение знака «STOP» так, что человек не заметит разницы, но нейросеть с 99% классифицирует его как «Ограничение скорости».
Как называется этот тип атаки?
RAG или Fine-tuning: что отвечать на собеседовании?
Вопросы по архитектуре LLM-систем становятся стандартом. 23 января в 19:00 на открытом уроке к курсу «Разработка ИИ агентов» разберём матчасть: как работают
Retrieval-Augmented Generation и дообучение моделей в реальных проектах.
Ведущий — Игорь Стурейко, тимлид в «Газпроме» и AI-архитектор. В своём видеосообщении Игорь делится опытом построения сложных ML-решений и рассказывает о программе подготовки специалистов по агентам.
Ключевые концепции:
— разница между параметрической и внешней памятью модели;
— использование FAISS и Chroma для хранения эмбеддингов;
— пайплайны обработки документов с помощью LangChain.
📅 Когда: 23.01 в 19:00 МСК
Узнать подробности