Банк вопросов из реальных собеседований

How would you parse readable PDF bank statements from many banks into structured transactions without sending personal data to an external API?

Модель ранжирования готова. Как вывести ее в прод: offline batch или online inference?

Если новой карусели еще не было в продукте, как оценить offline precision или релевантность ее рекомендаций?

После baseline и ranker нужно объяснить production: где считаются кандидаты, где хранятся фичи, как часто пересчитывать рекомендации при изменении корзины?

Нужно построить support bot для fintech-приложения. Какие компоненты нужны и как снизить риск неправильного ответа?

Как бы ты сделал retrieval-augmented generation для короткого factual snippet в поисковой выдаче?

Как построить RAG/search систему, если корпус по масштабу похож на большой веб-поиск?

Как спроектировать ассистента, который отвечает по текущему уроку, но не раскрывает будущие материалы?

Есть последовательность embedding-ов дорожной сцены за временное окно. Нужно находить несколько редких событий интереса. Как сформулировать ML-задачу и baseline?

Как сплитовать A/B для динамической доставки, считать MDE и что проверить до запуска?

В кейсе динамической доставки почему цена или минимальная сумма заказа не должны быть target модели? Что тогда предсказывать?

При обучении MLP или бустинга для корзины какие признаки подавать: user, item, item-to-cart или category features?

Нужно спроектировать продукт: пользователь дает текстовую задачу, система делает презентацию со слайдами, таблицами и картинками. Как построить pipeline?

В LLM-инференсе есть несколько GPU-воркеров. Почему наивная round-robin маршрутизация может быть неэффективной, и как спроектировать адаптивный слой маршрутизации с учетом загрузки GPU, KV cache и длины запроса?

Нужно построить систему, которая извлекает полезные поля из PDF-инвойсов разных поставщиков. Какую архитектуру выбрать?

Чем отличаются FSDP, tensor parallelism и pipeline parallelism при обучении больших моделей?

Sketch the online architecture for query parsing, candidate generation, ranking and blending. How do services communicate and fail safely?

В международном поиске нужно показывать короткое описание объекта в карточке ответа, например для Китая. Как построить ML-систему генерации таких описаний?

Как построить датасет для модели, которая оценивает реакцию пользователя на стоимость доставки или минимальную сумму заказа?

Как спроектировать candidate generation и ranking для подбора поставщиков под закупочную заявку в маркетплейсе корпоративных закупок?

Что делать, если исторически стоимость доставки менялась редко и почти нет вариативности для обучения эластичности?

Архив дорожных сцен состоит из последовательностей кадров. Как из кадров получить вектор сегмента для поиска по тексту?

Исторические данные есть только по поставщикам, которых уже показывали или приглашали. Как понять и уменьшить selection bias, и как обращаться с losing bids?

LLM извлекает признаки из PDF-отчета: например, будущий план производства. Как проверить, что признак основан на документе, а не на внешних знаниях или догадках?