Рекомендательные системы

Данные, неявная обратная связь и отрицательные примеры

Построение обучающей выборки из показов и действий с учётом доступности признаков и смещения прошлой выдачи.

impression logsimplicit feedbacknegative samplingexposure datafeature freshness

проверенных вопросов

реальных собеседований

компаний

Раздел полностью проверен: учтены все опубликованные вопросы с профильной разметкой и отдельно проверенные вопросы по ранжированию. Частотность относится к этому корпусу. Проверка от 2026-07-16.

Начать с вопроса Смотреть все формулировки

Что нужно уметь

Определить события и единицу обучающего примера
Собрать отрицательные примеры без утечек и скрытого смещения

Как эту тему спрашивают

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

Что должно быть в ответе

Показы и действия пользователя
Положительные и отрицательные примеры
Утечки, смещения и свежесть признаков

Прямой вопросGRII RED

Категории и признаки каталога для рекомендаций в корзине

GRII RED: ML System Design

Что нужно уметь

Как эту тему спрашивают

Что должно быть в ответе

Категории и признаки каталога для рекомендаций в корзине

Признаки пользователя, товара и корзины для ранжирования

Обучение ранкеров, негативы и сочетание монетизации

Target для learning-to-rank из implicit feedback

Датасет и labels для RecSys ML System Design

Датасет и labels для RecSys ML System Design

Группы признаков для recommender

Multimodal признаки в RecSys pipeline

Какие данные нужны для подбора поставщиков и что меняет масштаб

Какие target и метрики выбрать для ранжирования поставщиков

Как работать с деревьями категорий заказчиков

Как бороться с selection bias и неоднозначными negatives

Неявная обратная связь для мультимодальных рекомендаций

Обучающие сигналы и функции потерь для рекомендаций

Negative sampling и embeddings без таргета

Какие признаки дать поисковому реранкеру

Тренировочные данные, жесткие негативы и контрастные потери

Текстовые профили пользователей в рекомендациях

Как подавать разнотипные признаки в трансформер для RecSys

Какие внешние сигналы брать для более качественного прогноза

Как учитывать сезонность в рекомендациях и прогнозах

Какие события логировать для обучения ranker

Генераторы кандидатов и ALS для implicit-feedback рекомендаций

Цели обучения и отрицательные примеры для ранжирования ленты

Обучение двухбашенной модели по взаимодействиям с публикациями

Как считать online-фичи для поискового ранжирования

Как работать с категориальными признаками в ранжировании

Как выкатывать новые признаки и модели в сервис ранжирования

Стратегии выбора негативных примеров