Банк вопросов из реальных собеседований

Как сделать так, чтобы события одной кампании попадали к нужному worker и корректно агрегировались?

Сравни pointwise, pairwise и listwise подходы для ранжирования видео в рекомендательной ленте.

Команда хочет улучшить качество VLM в продукте. Когда достаточно prompt engineering, когда нужен fine-tuning, а когда лучше улучшать данные?

What is the difference between `tensor.view(...)` and `tensor.reshape(...)` in PyTorch?

Что такое SASRec, как работает self-attention внутри Transformer и чем SASRec отличается от BERT4Rec?

Как обновляют параметры SGD, momentum, RMSProp и Adam и какую роль играют первая и вторая экспоненциальные оценки в Adam?

Что такое skip connection и почему residual-связи помогают обучать глубокие сети?

Что такое stride и padding в сверточной сети, и как они влияют на размер feature map?

Что такое systematic exploration в reinforcement learning, зачем оно нужно и почему это проблема?

Объясните основные параметры генерации LLM: temperature, max length, top-k и top-p. Как они влияют на ответы support bot?

Какие риски возникают при использовании multilingual transformer для китайского/международного поиска и как их диагностировать?

Как использовать transformer в рекомендациях и чем это отличается от RNN-подхода?

Коротко объясните, из каких блоков состоит Transformer и какую роль играет attention.

You can find posts similar to a given post. How do you turn that into user-level candidate generation for a feed?

Что такое градиент и почему в глубоких сетях возникает затухающий градиент?

На какие величины обучается очередное дерево градиентного бустинга и может ли итоговая регрессия выйти за диапазон целевой переменной обучающей выборки?

Чем градиентный бустинг отличается от Random Forest и где в бустинге появляется градиент?

Как собрать датасет и организовать разметку для матчинга фото ресторана с категориями еды?

Есть дискриминативные и генеративные модели. Чем они отличаются с математической точки зрения? Приведите примеры современных генеративных моделей.

Почему нельзя просто полностью fine-tune всю LLM? Что выигрывает LoRA и как это влияет на batch size?

В PyTorch inference код часто оборачивают в `torch.no_grad()`. Что это дает и когда это важно?

Почему остаточные связи помогают обучать глубокие нейронные сети?

If a YOLO-style detector was trained at one image resolution, what can happen if you run inference at a different resolution? When is it technically possible?

Как дерево в gradient boosting выбирает split с учетом loss function?