Вопросы на собеседовании: Machine Learning

Как строится рекомендательная система для недвижимости?

Что делать при сильном дисбалансе классов?

Какие метрики использовать при дисбалансе классов?

Правильно я понимаю? Что на выходе? Марка, цвет или что именно решается?

Архитектурно, что там по бэкгону какой-то плитрейн или с нуля отремонтировали?

Если опыт полностью с пайплайна, от сборки данных до инференса, в каких областях от и до ты участвовал?

А для каких, можешь чуть-чуть конкретику, а вот просто интересно мне, какой проект потребовал постоянного обучения, для чего использовался?

CI-CD в основном настроен был, скорее всего, или сам тоже переделал что-то в CI-CD?

А что-то есть из опыта с, например, с оптимизацией inference в плане там TensorRT, там квантизации и так далее?

Есть ли возможность решать эту вопрос в постпроцессе?

Вопрос, какие плюсы и минусы могут найти у этого подхода?

Как адаптировать модель VR от первого лица для работы с видео от третьего лица при отсутствии дополнительной разметки?

Получается всеми остальными проектами сейчас занимается один ML-шик или еще есть кто-то в команде, кто помогает?

Я понял. Получается, сервисы у вас на языке питон и бэкэндер помогает с диплоем, с инфрой и всем прочим?

А что касается самого эффекта от модели и в целом как вы измеряете их? То есть делать какое-то ABA по каким-то главным ключевым метрикам?

Как вы планируете обрабатывать данные, если пром-ткэшн отсутствует?

Как вы собираетесь анонимизировать данные, которые у вас есть на S3?

Как вы будете использовать данные от пользователей и логи?

Как вы планируете предоставить данные, чтобы они не были чувствительными?

Какие риски вы видите в использовании персональных данных для обучения моделей?