Реальный собесSber / GigaChat2026-04-01
Sber GigaChat Final: audio-event feature case
Product ML case про фичу распознавания событий по звуку: как доказать пользу, построить audio classifier, развернуть модель на устройстве и управлять стоимостью ошибок.
Таймлайн собеседования
Сначала список вопросов и задач по ходу записи. Условие или вопрос можно раскрыть отдельно; решение и разбор спрятаны в отдельной плашке.
00:20:00-00:24:36MLSD кейсconfidence: high
Как заранее понять пользу audio-event фичи
Product MLaudio eventsassistant
00:25:51-00:30:14MLSD кейсconfidence: high
Как построить модель распознавания аудио-событий
audio classificationspectrogrammodeling
00:30:14-00:34:20MLSD кейсconfidence: high
Как деплоить audio-event модель на устройство
edge MLlatencyprivacy
00:39:42-00:42:07MLSD кейсconfidence: medium
Сколько данных нужно и когда включать high-resolution режим
data collectionthresholdsedge ML
Выводы и как готовиться
- Сначала нужно сформулировать product action: что ассистент делает после распознанного события.
- Для audio-event модели важны hard negatives, false alarms per hour и калибровка threshold.
- Edge deployment требует отдельного обсуждения CPU, latency, privacy, rollout и rollback.