Вакансия и контекст рынка
Все собесы2025-09-25
ML Engineer, AI-агенты для покупок
Вилка не публикуется
NLPLLMvector searchQdrantHNSWcoding
Что проверить перед собеседованием
Критично
Глубина NLP-моделирования
Пунктуация, капитализация, сдвиг домена и оценка качества.
Важно
Инфраструктура поиска
Приближенный поиск ближайших соседей, поведение векторной БД и продакшен-компромиссы.
Что получится отработать
Техническое собеседование
Выбрать бейзлайн и метрики для NLP-модели
Кандидат сравнивает LLM-бейзлайн, sequence labeling, token classification и метрики для очистки ASR-текста.
Техническое собеседование
Объяснить путь векторного поиска до продакшена
Кандидат держит HNSW/Qdrant, индексацию, задержку и резервную логику в разговоре про ИИ-поиск товаров.
Собеседования и этапы
Constructor2025-08-28 - 2025-09-25
Constructor: процесс по ИИ-агентам для покупокПрактика
Задачи
Вопросы
Офлайн-оценка дополняющих fashion-рекомендацийВосстановление пунктуации и капитализации в ASR-текстеТокенизация и BERT-style разметка против autoregressive rewritingМетрики качества для восстановления пунктуации и капитализацииОтладка разрыва между офлайн-оценкой и качеством в продуктеПостроение и обновление HNSW/Qdrant пайплайна векторного поискаДизайн сервиса суммаризации URL и текстаИзвлечение полезного контента страницы перед суммаризацией