ML Mentor
К реальным собесам
Реальный собесDROM2026-02-02

DROM: RecSys ML System Design

ML System Design собеседование про модельный pipeline в рекомендательной задаче: метрики, признаки, бэкенд, feature-store и rollout.

Таймлайн собеседования

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

03:38-05:00MLSD

Постановка задачи: от сложной проблемы к формализованной метрике

05:15-05:30Вопрос

Подход к датасету и разметке: где брать positive/negative

19:49-22:10MLSD

Как связать бизнес метрики и метрики модели на экспериментах

29:12-29:26Вопрос

Какие признаки полезны: user/item/context и engineering признаки

36:27-36:56Вопрос

Границы backend: как организовать сервис рекомендаций

43:37-43:55MLSD

Как проектировать кэш и управлять latency рекомендации

50:01-50:45Вопрос

Какой архитектурный вариант лучше для текущего контекста

01:04:59-01:05:30MLSD

Какие метрики и логи должны идти в production мониторинг

01:10:57-01:11:25Вопрос

Как добавлять multimodal признаки из текстов и изображений

Выводы и как готовиться

  • Держите в уме бизнес-метрики и технические метрики отдельно, но связывайте их через единые бизнес-гипотезы.
  • На системном дизайне почти всегда нужен раздел про backend/API контур, кэш и наблюдаемость.
  • В конце обязательно обсуждать, как именно идёт мониторинг и как устраняются regressions после релиза.