ML Mentor
К реальным собесам
Реальный собесDodo2026-04-30

Dodo ML System Design: доставка, quote и монетизация

Собеседование вокруг динамической стоимости доставки, стабильного quote для пользователя, свежести признаков и guardrails для монетизации.

Таймлайн собеседования

Компактный список вопросов и задач по ходу записи: раскрывайте только нужные детали.

00:00:41-00:04:11MLSD

Формат MLSD и постановка задачи динамической доставки

00:06:56-00:09:18MLSD

Разложить путь пользователя и операционный процесс заказа

00:12:17-00:14:33Вопрос

Как посчитать коэффициент нагрузки курьеров

00:14:33-00:15:45MLSD

Сформулировать target: цена не target, а action

00:19:04-00:19:52MLSD

Как часто пересчитывать стоимость доставки в корзине

00:21:12-00:22:25MLSD

На чем обучать модель конверсии и как перейти к стоимости

00:24:38-00:27:38Вопрос

Какие online-фичи доступны по кухне и курьерам

00:27:38-00:29:07MLSD

Что делать, если историческая цена почти не менялась

00:30:32-00:32:19MLSD

Как выбрать оптимальную цену по grid

00:34:16-00:36:51Вопрос

Можно ли дообучать модель на feedback текущей политики

00:36:51-00:38:56MLSD

Границы системы: курьеры закреплены за юнитом и зоной

00:40:25-00:43:54MLSD

Какие offline, online и guardrail-метрики выбрать

00:45:16-00:46:15Вопрос

Как мерить значимость: t-test, bootstrap или z-test

00:47:32-00:49:06MLSD

Как понять, можно ли учиться на данных новой модели

00:50:47-00:56:01MLSD

Как сплитовать A/B, считать MDE и проверить алгоритм до запуска

Выводы и как готовиться

  • Сначала формулировать бизнес-цель: прибыль, маржа или GMV с guardrails по конверсии и негативу.
  • Отделять стабильный пользовательский quote от динамических признаков модели.
  • Обязательно обсуждать A/B, split по unit/city, drift и feedback-loop bias.