Вопросы для подготовки к интервью

Какие способы взаимодействия микросервисов ты знаешь?

Какие преимущества и недостатки у микросервисной архитектуры?

Как вы выносите модель в продакшн? Есть ли отдельный ML-контур?

Как происходит деплой моделей в продакшн?

Расскажи, пожалуйста, про систем дизайн. Тут я спрашиваю именно про неростевой систем дизайн. То есть были ли кейсы построения архитектуры неростевой, какой-то более-менее крупный, большой? Или всё это работает у вас уже на каких-то готовых неростевых архитектурах, и, соответственно, это всё дорабатывается? Был ли у тебя опыт разработки неростевой архитектуры с нуля и построения?

Давай я вкину такие очень верхнеуровневые требования к системе, которую мы предлагаем тебе сегодня спроектировать. Домен у нас будет, скорее всего, тебе очень знакомый. Это продажа поддержанных авто. Ну, по сути, это задача, как раз, одна из основных продуктов компании. И, вот, хотелось бы, чтобы ты спроектировал, желательно нарисовал ту архитектуру рекомендательной системы, которая будет вот эти требования удовлетворять.

Как синтетически сгенерировать правдоподобные timestamps пакетов, сохраняя монотонность?

Как оценивать сложность ML-задач при планировании проекта?

У нас будут предрасчитанные SCAR'ы и где-то уже хранится кэш SCAR'ов?

Стратегия показывает хорошие результаты на малом капитале. Что произойдёт при масштабировании до большого?

Придумайте простую фичу-индикатор для стратегии mean reversion и для momentum

Что происходит, когда клиент перестает пополнять баланс в финтех продуктах?

Как это все будет на проде устроено?

Дан двумерный массив (изображение) и координаты начальной точки. Реализуйте алгоритм flood fill: перекрасьте начальную точку и все связанные (4-связность) точки того же цвета в новый цвет.

Напишите класс для сэмплирования элементов с заданными вероятностями (weighted random sampling). Класс принимает массив пар (элемент, вероятность) и метод sample() возвращает элемент согласно распределению.

Реализуйте класс для weighted random sampling: метод sample() возвращает элемент с заданной вероятностью. Оптимизируйте время запроса до O(1) с помощью Alias Method.

Реализуйте сэмплирование из дискретного распределения, заданного гистограммой (может содержать float-веса). Оптимизируйте до O(log n) на запрос.

Для каждого числа из массива B найдите число из массива A, дающее максимальный XOR. Реализуйте наивное решение, затем оптимизируйте.

Напишите функцию: зная среднее 5 чисел и одно из чисел, верните среднее оставшихся 4.

Реализуйте Bloom filter. Объясните принцип работы и напишите код.