Telegram Group & Telegram Channel
Вопросы на собеседованиях по ML

Вчера готовился к вебинарам про вопросы с собеседований по ML (в конце базового курсс ML у нас есть опциональный модуль с разбором вопросов в качестве повторения пройденных тем).

С учетом того, что сам лет 10 собеседовал по DS, вспомнил порядка сотни вопросов, которые задавал сам или задавали коллеги. Дальше просмотрел около 300 вопросов, которые спрашивают на собеседованиях сейчас.

Из интересных наблюдений:

🥋 вопросы Avito неплохо перекликаются с Яндексовыми по уровню понимания ML (это комплимент Avito)

🧑‍🏫 есть любители поспрашивать про математику на собеседованиях (запомнились ПСБ и Okko, возможно были и другие)

🪦 вопросы про SVM, который уже давно нигде во всей красе не используется, хоть и встречаются редко, но бывают (правда не в IT-компаниях)

👴🏻 вопросы про PCA еще пока держатся, встречаются чаще, чем SVM, иногда спрашивают даже про SVD

🔥 наиболее частые вопросы такие, какие я и предполагал: логрегрессия, линейная регрессия, регуляризация, градиентный бустинг, иногда случайный лес, метрики качества.

Некоторые вопросы перекликаются с теми, которые я давным-давно в Яндексе сам вводил в употребление и добавлял в Фемиду (внутренняя система, где хранятся вопросы и результаты собеседований), либо добавляли коллеги по мотивам моих собеседований. Например, ставший классическим вопрос про то, какие алгоритмы могут давать отрицательные прогнозы на новых данных, обучившись только на неотрицательных таргетах. Не утверждаю конечно, что совпадающие с моими вопросы позаимствовали именно у меня (знаю человека, который искренне верит, что его идею украли Apple и Amazon, смотрится крайне забавно), но тот факт, что всех собеседующих притягивает примерно к одним и тем же вопросам, по модулю небольшого количества выбросов, меня скорее радует.

Напишите в комментариях:
1) какие у вас есть наблюдения насчет собесов по ML?
2) какие вопросы на ваш взгляд задают чаще всего, и какие вопросы вам запомнились?


А если пост наберет 300 🔥огонёчков, я буду выкладывать примеры вопросов с собеседований и свои комментарии в канале (давайте выясним, интересно вам это или нет :)



tg-me.com/kantor_ai/421
Create:
Last Update:

Вопросы на собеседованиях по ML

Вчера готовился к вебинарам про вопросы с собеседований по ML (в конце базового курсс ML у нас есть опциональный модуль с разбором вопросов в качестве повторения пройденных тем).

С учетом того, что сам лет 10 собеседовал по DS, вспомнил порядка сотни вопросов, которые задавал сам или задавали коллеги. Дальше просмотрел около 300 вопросов, которые спрашивают на собеседованиях сейчас.

Из интересных наблюдений:

🥋 вопросы Avito неплохо перекликаются с Яндексовыми по уровню понимания ML (это комплимент Avito)

🧑‍🏫 есть любители поспрашивать про математику на собеседованиях (запомнились ПСБ и Okko, возможно были и другие)

🪦 вопросы про SVM, который уже давно нигде во всей красе не используется, хоть и встречаются редко, но бывают (правда не в IT-компаниях)

👴🏻 вопросы про PCA еще пока держатся, встречаются чаще, чем SVM, иногда спрашивают даже про SVD

🔥 наиболее частые вопросы такие, какие я и предполагал: логрегрессия, линейная регрессия, регуляризация, градиентный бустинг, иногда случайный лес, метрики качества.

Некоторые вопросы перекликаются с теми, которые я давным-давно в Яндексе сам вводил в употребление и добавлял в Фемиду (внутренняя система, где хранятся вопросы и результаты собеседований), либо добавляли коллеги по мотивам моих собеседований. Например, ставший классическим вопрос про то, какие алгоритмы могут давать отрицательные прогнозы на новых данных, обучившись только на неотрицательных таргетах. Не утверждаю конечно, что совпадающие с моими вопросы позаимствовали именно у меня (знаю человека, который искренне верит, что его идею украли Apple и Amazon, смотрится крайне забавно), но тот факт, что всех собеседующих притягивает примерно к одним и тем же вопросам, по модулю небольшого количества выбросов, меня скорее радует.

Напишите в комментариях:
1) какие у вас есть наблюдения насчет собесов по ML?
2) какие вопросы на ваш взгляд задают чаще всего, и какие вопросы вам запомнились?


А если пост наберет 300 🔥огонёчков, я буду выкладывать примеры вопросов с собеседований и свои комментарии в канале (давайте выясним, интересно вам это или нет :)

BY Kantor.AI


Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283

Share with your friend now:
tg-me.com/kantor_ai/421

View MORE
Open in Telegram


Kantor AI Telegram | DID YOU KNOW?

Date: |

Should I buy bitcoin?

“To the extent it is used I fear it’s often for illicit finance. It’s an extremely inefficient way of conducting transactions, and the amount of energy that’s consumed in processing those transactions is staggering,” the former Fed chairwoman said. Yellen’s comments have been cited as a reason for bitcoin’s recent losses. However, Yellen’s assessment of bitcoin as a inefficient medium of exchange is an important point and one that has already been raised in the past by bitcoin bulls. Using a volatile asset in exchange for goods and services makes little sense if the asset can tumble 10% in a day, or surge 80% over the course of a two months as bitcoin has done in 2021, critics argue. To put a finer point on it, over the past 12 months bitcoin has registered 8 corrections, defined as a decline from a recent peak of at least 10% but not more than 20%, and two bear markets, which are defined as falls of 20% or more, according to Dow Jones Market Data.

Among the actives, Ascendas REIT sank 0.64 percent, while CapitaLand Integrated Commercial Trust plummeted 1.42 percent, City Developments plunged 1.12 percent, Dairy Farm International tumbled 0.86 percent, DBS Group skidded 0.68 percent, Genting Singapore retreated 0.67 percent, Hongkong Land climbed 1.30 percent, Mapletree Commercial Trust lost 0.47 percent, Mapletree Logistics Trust tanked 0.95 percent, Oversea-Chinese Banking Corporation dropped 0.61 percent, SATS rose 0.24 percent, SembCorp Industries shed 0.54 percent, Singapore Airlines surrendered 0.79 percent, Singapore Exchange slid 0.30 percent, Singapore Press Holdings declined 1.03 percent, Singapore Technologies Engineering dipped 0.26 percent, SingTel advanced 0.81 percent, United Overseas Bank fell 0.39 percent, Wilmar International eased 0.24 percent, Yangzijiang Shipbuilding jumped 1.42 percent and Keppel Corp, Thai Beverage, CapitaLand and Comfort DelGro were unchanged.

Kantor AI from us


Telegram Kantor.AI
FROM USA