Выберите отдельное собеседование или весь процесс по компании. Внутри: вопросы, задачи, аудио, разборы и тренировка там, где материал готов к прохождению.
208 найдено из 208
техническое собеседование marketplace ML case: бизнес-метрики, признаки цены объявления, temporal validation, модель и A/B новой поверхности.
задача на данных на Pandas: majority voting, annotator quality, self-leakage и weighted aggregation.
Единое embedding-пространство для текстов и изображений, ML-инфраструктура, метрики и rollout.
Quant ML / HFT case: portfolio value, expected return, MSE target и выбор оптимальной позиции.
Первичный звонок про две ML-роли, full-cycle MLE experience, английский и структуру процесса.
Item-to-item / user-to-item API, batch retrieval, realtime reranking, fairness для paid exposure и GenAI user profiles.
Техническая беседа с акцентом на устойчивую обработку ошибок и coding-упражнения на Python; разбирались метрики и архитектурные компромиссы.
Большое RecSys-собеседование для HeadHunter: двухэтапная рекомендательная система, NDCG/MAP, cold start, Transformer-модели, negative sampling, diversity, embeddings и active labeling.
Product/техническое собеседование интервью про LLM-agent продукт: генерация презентаций из текста, структурированные материалы, версирование, vector/полнотекстовый поиск и backend-контур для долгих LLM задач.
Техническое LLM-собеседование про продуктовые агенты: генерация презентаций из текста, состояние артефакта, гибридный поиск, тестирование prompt-ов, LoRA/SFT, memory, latency, cost и мониторинг в продакшене.
Технический screen по Python runtime, классическому ML, Transformer basics, поиск embeddings и agentic-product thinking. Кодинга в этом этапе не было.
EasyOffer-собеседование на руководителя Python-группы: роль tech lead, декомпозиция фич, документация, исследовательская разработка протоколов, отказоустойчивость в двух ДЦ, Kafka, Python highload и разбор медленных SQL-запросов.
Алгоритмическая задача на геометрию, граф пересечений кругов и DSU/DFS-критерий блокировки пути.
Технический разговор вокруг fintech support bot: RAG/MVP архитектура, Python/PyTorch детали, generation parameters, no_grad и threading/multiprocessing. задача по демонстрации экрана требует отдельного visual review.
Конструктивная ML coding задача на представление XOR через линейные операции и ReLU.
Техническое собеседование в RecSys-направление: offline-метрики с учетом денег, типовые проблемы рекомендательных систем, классы моделей, визуальная similarity-задача, DSSM с content embeddings, Transformer и Python internals.
Технический Python/backend собеседование из EasyOffer: highload опыт, оптимизация сервисов, code review, тесты, контракты между сервисами и две расчетные задачи про capacity planning и Kafka partitions.
Собеседование по рекомендационной задаче для визуального поиска: векторизация, выбор модели, оценка recall/precision и оптимизация решения.
Stable compaction, границы бинарного поиска и дополнительный вопрос по H-index с bucket/suffix решением.
ML System Design собеседование про модельный pipeline в рекомендательной задаче: метрики, признаки, бэкенд, feature-store и rollout.
Техническая секция по CV-пайплайнам для сравнения изображений и brand protection, плюс восстановимая алгоритмическая задача на подмассив с заданной суммой.
Техническое собеседование про casino/игровые рекомендации: LTV, churn, бонусы, CatBoost target encoding, feature importance, ранжирующие метрики, LightFM, cold start и bandits.
Собеседование про search/ranking платформу: lexical и semantic candidate generation, LTR-ранжирование, бизнес-цели, session personalization, latency и эксперименты.
Технический задача блок вокруг Bloom filter: битовый массив, несколько hash-функций, false positive и корректная проверка membership.
