Deep Learning: от backprop до train loop
Секция проверяет не только названия слоёв, но и способность объяснить градиенты, стабильность обучения и поломки train loop.
Подходит для: ML Engineer, DL Engineer
Длительность
≈ 62 мин
Вопросы
10 вопросов
Практика
Без coding-задач
Структура
3 секции
Откуда взялась программа
Программа собрана по 18 проверенным вопросам Deep Learning. Это редакторская выборка из разобранных собеседований, а не статистика всего рынка.
Проверено: 12 собеседований · 12 компаний · 18 релевантных вопросов
Программа и маршрут подготовки
Раскройте этап, повторите связанные темы roadmap и проверьте, что можете ответить без подсказки. В самом mock вопросы показываются последовательно.
Градиенты и оптимизация
≈ 24 мин · 40% оценкиBackprop, Adam, затухающие/взрывающиеся градиенты и residual connections.
Что проверяет: Градиент, backprop и vanishing gradient
Полная формулировка и разбор откроются в Premium.
Что проверяет: Стабильность градиентов
Полная формулировка и разбор откроются в Premium.
Что проверяет: Adam и SGD
Полная формулировка и разбор откроются в Premium.
Что проверяет: BatchNorm при обучении и inference
Полная формулировка и разбор откроются в Premium.
Архитектуры
≈ 23 мин · 32% оценкиAttention, CNN и рекуррентные модели: что меняется в вычислении.
Что проверяет: Self-attention и стоимость вычислений
Полная формулировка и разбор откроются в Premium.
Что проверяет: CNN и обработка изображений
Полная формулировка и разбор откроются в Premium.
Что проверяет: Receptive field
Полная формулировка и разбор откроются в Premium.
Что проверяет: Time dimension в LSTM
Полная формулировка и разбор откроются в Premium.
Диагностика обучения
≈ 15 мин · 28% оценкиНайти переобучение и ошибки в train loop, влияющие на качество.
Что проверяет: Overfitting, regularization и dropout
Полная формулировка и разбор откроются в Premium.
Что проверяет: Code review train loop
Полная формулировка и разбор откроются в Premium.