Подготовка к собеседованиям по темам
Не просто фильтр по тегам. Для каждой темы мы выбрали три реальных интервью: с чего начать, где углубиться и чем закрепить материал на практике.
14 вопросов · 1 задача
Классический ML
Какие реальные собеседования пройти, чтобы повторить модели, метрики и валидацию?
Маршрут от математической базы и линейных моделей до ансамблей, метрик, validation и реализации алгоритма руками.
13 вопросов · 1 задача
Python для ML-собеседований
Какие собеседования показывают реальную глубину Python, а не только синтаксис?
Язык и runtime, протоколы Python, структуры данных, concurrency и надёжный прикладной код из технических интервью.
15 вопросов · 1 задача
Deep Learning
Что посмотреть по PyTorch, обучению нейросетей и современным архитектурам?
Прикладной train loop, устройство Transformer, память обучения, distributed training и оптимизация inference.
33 вопроса
ML System Design
Какие кейсы пройти, чтобы научиться проектировать ML-систему от цели до запуска?
Постановка задачи, данные, baseline, offline/online validation, serving, monitoring и продуктовые ограничения.
28 вопросов
Рекомендательные системы
Какие собеседования показывают разные типы рекомендаций: корзина, лента и marketplace?
Candidate generation, ranking, метрики, cold start, feedback bias и production на трёх разных продуктовых доменах.
25 вопросов · 1 задача
LLM: архитектура, inference и RAG
Какие интервью пройти отдельно по устройству LLM, инференсу и RAG-системам?
Три взаимодополняющих собеседования: архитектура и обучение, high-load inference, затем retrieval и RAG System Design.