ML System Design

Online-архитектура ML-сервиса

Ограниченный по времени критический путь от запроса и признаков до предсказания и безопасного ответа.

model servingonline pathfeature fetchcachefallback

проверенных вопросов

реальных собеседований

компаний

Раздел полностью проверен: учтены все опубликованные вопросы и кейсы с разметкой ML System Design. Частотность относится к этому корпусу. Проверка от 2026-07-16.

Начать с вопроса Смотреть все формулировки

Что нужно уметь

Разложить latency budget по сервисам
Спроектировать timeout, cache и fallback

Как эту тему спрашивают

Канонические типы вопроса объединяют разные формулировки, но каждая ссылка ведёт на конкретный вопрос из интервью.

Что должно быть в ответе

Критический синхронный путь
Feature fetch и model serving
Таймауты, кеш и fallback

Прямой вопросGRII RED

Резервные сценарии для рекомендаций в корзине

GRII RED: ML System Design

Что нужно уметь

Как эту тему спрашивают

Что должно быть в ответе

Резервные сценарии для рекомендаций в корзине

Обслуживание рекомендаций при изменении корзины

Микросервисная архитектура и надежность для поискового ранжирования

Как превратить текстовый запрос в кандидатов для поиска недвижимости

Восстановление пунктуации и капитализации в тексте ASR

Разработка сервиса URL и резюме текста

CV-пайплайн для поиска разных авто в одном объявлении

API, очередь и планировщик заданий для GPU-платформы

Как часто пересчитывать стоимость доставки в корзине

Два этапа рекомендательной системы

Граница backend и ML-сервиса рекомендаций

Кэширование и бюджет задержки в рекомендательной системе

Двухэтапный retrieval/ranking для подбора поставщиков

Инференс-пайплайн и cold start в подборе поставщиков

Система предупреждений о фишинговых страницах для провайдера

Генерация кандидатов для пользовательской ленты через похожие публикации

Генерация презентации из текста через структурированный артефакт

Двухбашенный поиск по последовательностям изображений

Готовность поиска кандидатов до повторного ранжирования