ML Mentor
К планам подготовки
QICSenior Data Scientist, страховой MLСеньорВилка не публикуется

QIC: страховой ML

Подготовка к техническому процессу по страховому ML: SQL/Pandas, drift данных, моделирование фрода и риска, продакшен ML и ясная коммуникация со стейкхолдерами.

Перейти к задачам и вопросамПройти тренировочное собеседованиеРазобрать процессРешить первую задачу
Собеседований
2
Задач
4
Вопросов
5
Проверок
2

Вакансия и контекст рынка

Все собесы2025-10-03

Senior Data Scientist, страховой ML

Вилка не публикуется

SQLPandasproduction MLdata driftfraud detection

Что проверить перед собеседованием

Критично

Работа с данными под ограничениями

Корректность SQL/Pandas, leakage, пропуски в данных и drift.

Важно

Фрейминг страхового ML

Метрики фрода/риска, выбор порогов и продакшен-мониторинг.

Что получится отработать

Техническое собеседование

Закрыть техническое собеседование по страхованию

Кандидат уверенно проходит SQL/Pandas и объясняет drift, мониторинг и выбор метрик для фрода и риска.

Собеседования и этапы

QIC2025-09-18 - 2025-10-01
QIC: процесс по страховому ML
1Скрининг · Скрининг: страховой ML, fraud и GCP-стек2Техническое собеседование · Техническое собеседование: SQL, Pandas и продакшен ML

Практика

Задачи

Просмотры и аудитория видео по днямПользователи, которые смотрели видео каждый день январяПользователи, которые смотрели видео 1, но не смотрели 2 и 3Анализ выручки за май в Pandas

Вопросы

Базовые проверки аномалий в sales DataFrameМониторинг drift данных и реакция с переобучениемКак обнаруживать overfitting и чем регуляризоватьЧто делать, если продукт хочет модель, а данных нетОтветственность за полный цикл деплоя модели