Банк вопросов из реальных собеседований

Почему признаки продавца могут помогать модели цены или ранжирования в классифайде и какие риски справедливости и холодного старта нужно контролировать?

Как определить, улучшит ли новая модель продукт и оправдает ли стоимость перехода с текущего решения?

Есть идея определять по аудио событие вокруг пользователя: лай собаки, открытие двери или разбитое стекло. Как до обучения модели проверить продуктовую пользу?

Есть идея определять по аудио событие вокруг пользователя: лай собаки, открытие двери или разбитое стекло. Как до обучения модели проверить продуктовую пользу?

Нужно прогнозировать retention, revenue или LTV во времени. Как поставить задачу, выбрать горизонт и гранулярность, построить baseline и провести корректную временную валидацию?

После выбора признаков модели цены или рекомендаций как определить целевую переменную, разбиение, базовый вариант, модель и критерий запуска?

Почему перед выбором модели доставки нужно разобрать весь путь пользователя и операционный процесс выполнения заказа?

У межтоварных рекомендаций может не оказаться соседей: товар новый или редкий, пользователь новый либо корзина состоит из многих товаров. Какие резервные сценарии нужны?

Какие оперативные признаки кухни и курьеров доступны модели стоимости доставки и как отделить их от стабильных признаков пользователя и точки приготовления?

Один факт о руднике встречается в годовом отчете, презентации и call transcript. Как объединить эти источники в один forecasting state?

Как перейти от выручки, успеха продавца и ценности для покупателя к офлайн-метрикам модели ценообразования или рекомендаций?

Design the end-to-end pipeline for a RAG system: data preparation, vector index ingestion and serving-time retrieval.

A deployed ML service has 300 ms latency, but the product now needs 30 ms. What do you investigate and what optimizations can you try?

You replace brute-force nearest-neighbor search with a Qdrant HNSW index in an offline recommendation pipeline. What design and operational choices matter?

You replace brute-force nearest-neighbor search with a Qdrant HNSW index in an offline recommendation pipeline. What design and operational choices matter?

Какую строку должен писать потоковый обработчик в хранилище агрегатов для панели?

Чем различаются схемы W8A8 и W4A16 для применения LLM и какие показатели нужно сравнить перед выбором?

Как выбрать и адаптировать текстовый энкодер для запросов вроде «пешеход переходит дорогу ночью»?

A speech-AI pipeline needs fast analytical queries over training-data processing events. What requirements would you give DevOps before asking for ClickHouse?

How can you increase LLM serving throughput or batch size on the same GPU without buying a larger GPU?

Какие приёмы помогают получать от языковой модели стабильный, проверяемый и безопасный результат в рабочей системе?

Какие товары нельзя рекомендовать в корзине и на каком этапе применять ограничения: при поиске кандидатов, фильтрации или переранжировании?

Модель может оценивать цену, скидку, полезность карусели или промо-метки. Как точно определить выход модели и последующее продуктовое действие?

Банк запускает тематическую ленту без рекламы. Какие продуктовые цели, основные метрики и защитные ограничения нужно определить до проектирования рекомендаций?