Sber: Text2SQL, NLP и LLM critic

Технический ML/NLP собеседование вокруг Text2SQL copilot: validation agent, semantic matching NL и SQL, schema linking, BERT, attention и LoRA/adapters trade-offs.

Пройти собеседование

Аудио и материалы

Аудио собеседования

0:00 / 34:19

Выводы и как готовиться

Text2SQL в проде требует deterministic guardrails: parser, allowlist, dry-run/EXPLAIN и проверку доступа.
Semantic validation лучше строить через intent/AST representation, а не строковое сравнение SQL и вопроса.
В NLP блоке важно уметь быстро объяснить BERT, attention и inference trade-off LoRA vs classic adapters.

Sber: Text2SQL, NLP и LLM critic

Аудио и материалы

Аудио собеседования

Agent critic для Text2SQL

Semantic validation SQL vs NL-запрос

Schema linking и NER в доменной базе

BERT: encoder, pretraining и attention

LoRA против классических адаптеров

Overfitting, regularization и dropout

Градиент и vanishing gradient

Stride и padding в CNN

Skip connection и зачем он нужен

Выводы и как готовиться