Technical: LLM agents, deployment, Kubernetes and RAG

Oral technical interview on tool calling, 72B model memory, quantization, LoRA, reranker training, ML deployment package, schema migrations, Kubernetes primitives and RAG.

10 questions45 minAudio recording available

Question languageРусский English Оригинал

Пройти собеседование Весь ход интервью

Аудио и материалы

Аудио собеседования

0:00 / 44:31

Этап 2 из 2AprioriData Science Engineer / ML Platform Engineer2025-10-22 - 2025-10-24

Собеседования в Apriori: платформа LLM

Техническое собеседование в Apriori

Этап 1 Весь процесс

Выводы и как готовиться

Техническое собеседование проверяло инженерную глубину вокруг LLM-платформ, а не только знание моделей.
Несколько ответов можно было превратить в вопросы тренажера: интервьюер давал четкие формулировки и полезные исправления.
Само интервью заканчивается на 00:39:55; нерелевантный рекламный фрагмент после 00:40:00 не включен в публичную таймлинию.

Technical: LLM agents, deployment, Kubernetes and RAG

Аудио и материалы

Аудио собеседования

Interviewer intro and candidate ML background

How LLM tool calling works inside an agent loop

LLM memory math and quantization for a 72B model

How LoRA fine-tuning works

Training and evaluating a RecSys reranker

ML model deployment model files and rollout

Production database schema migrations

Kubernetes pod, service, deployment and node

End-to-end RAG: data preparation, index ingestion and serving

Company Q&A: ML platform, agent orchestration and LLM gateway

Выводы и как готовиться