Вакансия и контекст рынка
Все собесы2025-10-03
ML Engineer, медицинское CV
Вилка не публикуется
Computer Vision3D segmentationPyTorchmedical AIregulatory ML
Что проверить перед собеседованием
Критично
Глубина в Medical CV
3D-сегментация, валидация, метрики и типовые отказы модели.
Важно
Продакшен в регулируемом домене
Приватность, аудит, drift модели и риск релиза.
Что получится отработать
Техническое собеседование
Защитить оценку качества в медицинском CV
Кандидат объясняет метрики сегментации, клинический риск, валидацию, качество разметки и ограничения внедрения.
Собеседования и этапы
Diagnocat2025-10-03 - 2025-10-22
Diagnocat: процесс по медицинскому CV1Техническое собеседование · Техническое собеседование: multi-head attention и метрики детекции2ML System Design · ML-техническое собеседование: теория обучения и 3D-сегментация3Финальное собеседование · CEO: бизнес-контекст, медицинские LLM и регулирование4Техническое собеседование · Code review: train loop на PyTorch и ловушки рантайма
Практика
Вопросы
Multi-head attention как PyTorch-модульIoU-метрики детекции и one-to-one matchingBatchNorm при обучении, инференсе и multi-GPUОбучение со смешанной точностью, FP16/BF16 и памятьROC-AUC, ранжирующая интерпретация и бинаризованные предсказания3D-сегментация dental lesions при ограниченной разметкеАдаптация LLM к медицинской терминологииРазбор training loop на PyTorch для многоклассовой классификации