Банк вопросов
Вопросы на собеседовании: Machine Learning
На собеседовании недостаточно назвать метрику или модель: нужно объяснить, почему вы выбрали её для задачи. Проверьте, можете ли вы связать обучение, регуляризацию, валидацию и оценку качества с конкретным примером. Сначала ответьте своими словами, затем уточните допущения и ограничения.
Показано 20 из 746 вопросов
Как работает механизм unbiased learning в CatBoost?
Какие деревья используются в CatBoost и как строится процесс обучения?
Как можно учитывать loss-функцию задачи при построении дерева (выборе порогов разбиения)?
Какие методы отбора признаков (feature selection) вы знаете?
Опишите архитектуру трансформера (encoder) по блокам.
Какой у тебя технологический стек? С какими инструментами чаще всего работаешь?
Почему ты сейчас находишься в поиске работы и выходишь на рынок?
Есть ли технологии, которые тебе хотелось бы изучить? С чем хотелось бы работать?
В каком формате и в какое время тебе комфортно работать?
Зачем нужна кросс-валидация? Какие стратегии кросс-валидации существуют?
Какие способы кодирования категориальных перемен существует?
А как можно отценить важность признаков получившейся модели?
Как вы выбирали, какую модельку брать?
Какую добавку к основному предсказанию мы хотим получить в начале обучения LoRA?
Почему нельзя просто запустить приложение на Bare Metal или виртуальной машине? Зачем нужна контейнеризация?
Верно ли, что в оптимизированном Attention вычисления происходят не по всей последовательности, а по окну?
Подготовьтесь к следующему интервью с Vibe Interview.
Скачать Vibe Interview