ML Mentor
К понятиям
Рекомендательные системы

Продовый контур рекомендательной системы

Сочетание заранее рассчитанных кандидатов и быстрого online-реранжирования в рамках бюджета по latency и RPS.

offline recommendationsonline inferencereal-time rerankingfeature freshness
24
проверенных вопроса
17
реальных собеседований
15
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 вопросаСмотреть все формулировки

Что нужно уметь

  • Выбрать offline-, online- или гибридную схему
  • Спроектировать кеш, резервный сценарий и безопасный запуск

Как эту тему спрашивают

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

Что должно быть в ответе

  • Заранее посчитанные кандидаты
  • Online-реранжирование по свежему контексту
  • Fallback, версии и мониторинг
Прямой вопросCorSearch

Создание и обновление векторного поискового трубопровода HNSW/Qdrant

CorSearch Technical: рексистема по изображениям и векторным признакам

Открыть вопросВсё собеседование
Прямой вопросMayflower

Как ускорять тяжелую модель рекомендаций в рантайме

Mayflower: Python-агрегации, ML System Design про возврат пользователя и RecSys-рантайм

Открыть вопросВсё собеседование
Прямой вопросOzon

Метрики ранжирования: NDCG, MRR, Precision@K и online-метрики

Ozon: RecSys-собеседование про распределенное обучение, трансформеры и ранжирование

Открыть вопросВсё собеседование
Прямой вопросOzon

Как оптимизировать инференс RecSys-модели

Ozon: RecSys-собеседование про распределенное обучение, трансформеры и ранжирование

Открыть вопросВсё собеседование