ML System Design в T-Bank
Дизайн ML-пайплайна рекомендаций для социальной ленты в банковском приложении: метрики, представления, retrieval, ранжирование, холодный старт, переобучение и мониторинг.
Выберите отдельное собеседование или весь процесс по компании. Внутри: вопросы, задачи, аудио, разборы и тренировка там, где материал готов к прохождению.
4 найдено из 208
Фильтр по понятиям использует только проверенные связи с вопросами. Полная частотность появится после разметки всего раздела.
Дизайн ML-пайплайна рекомендаций для социальной ленты в банковском приложении: метрики, представления, retrieval, ранжирование, холодный старт, переобучение и мониторинг.
Две ML System Design-задачи: ранжирование контрольных вопросов в call center с учетом fraud/friction и система предупреждений о phishing для интернет-провайдера.
Вопросы по рекомендациям: retrieval, ранжирование, разнообразие при переранжировании, офлайн-метрики, утечки валидации, ALS/implicit feedback и основы Transformer/SASRec.
Три алгоритмические задачи: минимизация цены с купонами, первое/последнее вхождение в отсортированном массиве и вертикальная ось симметрии для целочисленных точек.