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
Технич. собеседование с акцентом на LLM/agent кейсы, SQL и одну Python задачу с асинхронностью и resilience. Из записи опубликованы две SQL-задачи и один Python coding блок.
ML System Design-собеседование про AI-ассистента для обучения: сценарии помощи студенту, RAG по урокам, реранкинг, детерминированная маршрутизация, защита скрытого профиля и sandbox для проверки кода.
Техническое CV-собеседование про видео и VR: стабилизация масок, flicker, action prediction, segmentation vs detection, domain adaptation, 2D-to-3D и запуск моделей на edge-устройствах.
Техническое собеседование в Dota 2 AI analytics startup, company not confirmed: вопросы, задачи и разбор этого этапа.
Смешанное техническое собеседование: короткая Python-задача на повторяющиеся символы, затем обсуждение LTV/R365, data drift и multi-output подхода для прогноза на разные горизонты.
Техническое собеседование в WhiteCircle: вопросы, задачи и разбор этого этапа.
Алгоритмическая секция с двумя классическими задачами: разреженный вектор с эффективным dot product и произведение всех элементов массива кроме текущего без деления.
Второе техническое собеседование Waibee с CTO: broad техническое собеседование screen по backend-кругозору, Kubernetes, базам данных под капотом и тому, как проектировать и кодить AI agent product.
ML System Design в Distributed AI infrastructure role, company not confirmed: вопросы, задачи и разбор этого этапа.
Техническое собеседование в Звук: сначала ML System Design-подобный разговор про рекомендации треков, затем Python-вопросы про ссылки, декораторы и генераторы, ревью класса для обработки данных и задача на два указателя.
Техническое собеседование по LLM-платформе: function calling, RAG на больших данных, idempotency, outbox с Kafka, несбалансированная классификация и устное проектирование небольшого движка векторного поиска.
ML System Design-собеседование про поиск на маркетплейсе: бизнес-метрики, генерация кандидатов, реранжирование, online/offline признаки, сезонность и запуск A/B теста.
ML System Design-собеседование про поисковую/RAG-систему: загрузка документов, hybrid поиск, реранжирование, признаки и метрики качества offline/online.
Технический этап по RecSys/search: обсуждение опыта в рекомендациях, генерации кандидатов, метрик, категориальных признаков и того, как новые признаки и модели доезжают до сервиса ранжирования.
Coding-интервью на английском с задачей Word Search: найти слово в таблице символов через DFS/backtracking, затем обсудить follow-up на возврат пути.
техническое собеседование/team-lead собеседование Quantum One с быстрым набором вопросов по математике, ML-теории, статистике, алгоритмической сложности, RAG, SHAP, quantile regression и coin-puzzle через формулу Байеса.
Техническое собеседование на senior data infrastructure / MLOps роль: по Telegram notes основной акцент был на data engineering, Kubernetes и production-инфраструктуре вокруг ML-систем.
Техническое собеседование в Apriori: вопросы, задачи и разбор этого этапа.
Скрининг по опыту и fit роли: CV/RecSys/LLM-бэкграунд, production-история с векторным поиском, владение деплоем, знакомство с MCP/A2A и контекст команды.
Финальное собеседование в inDrive: вопросы, задачи и разбор этого этапа.
Code review multiclass train цикл собеседований: обязанности Dataset/DataLoader, инициализация родителя nn.Module и mutable defaults в Python.
Техническое собеседование в LLM-роль в Dubai, компания не подтверждена: вопросы, задачи и разбор этого этапа.
Разговор с командой после положительного технического фидбека: бизнес-ориентированный ML, идеи medical LLM/RAG и FDA/regulatory документация моделей.
Техническое собеседование в Insilico Medicine: вопросы, задачи и разбор этого этапа.
