Банк вопросов из реальных собеседований

OCR API обрабатывает один документ за 2 секунды, на время обработки занимает 1 CPU core и 3.5-4 GB RAM. На сервере 20 cores и 64 GB RAM. Как посчитать safe throughput?

For a FastAPI-backed LLM product, when would you use Postgres, ClickHouse and Redis?

Интервьюер спрашивает, какими Linux-командами пользоваться на сервере для навигации, поиска файлов, логов и диагностики процессов.

На собеседовании спросили: сколько нулей в конце числа 100!, и как это аккуратно посчитать без вычисления самого факториала?

Интервьюер спрашивает про командную работу с Git: что делает merge, что делает rebase и когда какой подход выбирать?

Dashboard должен показывать CTR за минуты, 5 минут и часы. Как спроектировать API и хранение bucket-агрегатов?

На review ты видишь тест, который проверяет только HTTP 200. Что с ним не так и как сделать проверку полезной?

Как решать cold start для нового пользователя в ленте рекомендаций? Когда использовать popularity, user-based, item-based и content-based подходы?

Что важно при запуске CV-модели на edge-устройстве или VR-гарнитуре?

Пользователь загружает фото товара, а система должна найти похожие товары в каталоге. Когда достаточно object detection, а когда нужна segmentation?

Dropout, BatchNorm и fine-tuning на маленьких батчах

В Kafka topic 10 partitions и 100 задач: 90 задач по 90 ms и 10 задач по 1 s. Задачи равномерно лежат по partitions, внутри partition порядок последовательный. Как оценить best/worst completion time для 1, 10 и 20 consumers?

Как LightFM помогает cold start и когда в рекомендациях появляются bandits?

What improvements would you add after the baseline real-estate search works: user context, visual embeddings, VLMs, quality models or richer item representations?

How would you handle new users and new posts in a social-feed recommender with text and image content?

OCR распознал текст на вывеске. Как понять, какой организации он соответствует, и когда результат можно публиковать?

Команда развивает мультимодальную модель для поиска и продукта вроде нейро-ответов. Какие use cases стоит выбрать и как приоритизировать?

Что значит "репрезентативное фото" для организации в гео-продукте и как выбрать такое фото автоматически?

Что делать, если бизнес-изменение записалось в БД, а событие в Kafka не отправилось?

У товара может быть несколько фотографий: общий вид, детали, разные ракурсы. Как получить устойчивое представление товара для поиска по фото?

In PyTorch, what should Dataset do, what should collate_fn do, how do num_workers affect this, and where should .to(device) usually happen?

Compare REST and gRPC at a high level. Then explain what a database index does and what simple data structures can back an index.

Multiple threads update individual pixels of the same screen. What can go wrong, and how would you design synchronization?

Multiple clients send pixel updates to a central server over the internet. What transport/protocol would you use and what tradeoffs matter?