Подготовка к интервью
45 вопросов с собеседований в Альфа
Что проверяют на интервью
Подборка объединяет вопросы, отмеченные на этапах интервью в Альфа. Здесь можно понять структуру технической проверки и заранее повторить связанные темы. В подборке чаще встречаются темы: frontend, browser, backend.
Каталог
Назовите единицу наблюдения, размер обучающей и тестовой выборок, доли классов и метрики, соответствующие цене ошибок. Не ограничивайтесь одной общей accuracy.
Читать ответ700 продаж на миллион выбранных клиентов — precision 0,07%, но без baseline это не определяет качество. При редкой конверсии важны lift, стоимость контакта и дополнительный эффект кампании.
Читать ответВыберите реальную классификационную задачу и пройдите путь от определения target и сбора данных до оценки и внедрения. Покажите baseline и свою зону ответственности.
Читать ответСкоринговая модель присваивает объекту числовую оценку для ранжирования или принятия решения. Например, score может отражать риск, склонность к действию или релевантность.
Читать ответУточните, был ли формальный сценарий звонка и как из него получали критерии проверки. Разделите обязательные действия оператора, качество коммуникации и результат разговора.
Читать ответНе задавайте число признаков заранее без измерений. Даже валидные признаки могут быть избыточными, нестабильными или дорогими; сравните полный набор с сокращёнными вариантами.
Читать ответПри лимите K контактов оценивайте качество верхних K позиций: precision@K, lift@K и ожидаемую ценность кампании. Общая accuracy может почти ничего не говорить о полезности отбора.
Читать ответИспользуйте EXISTS для продажи после январской коммуникации в пределах 30 дней и DISTINCT для клиента. Продажи могут приходиться на февраль; ограничивать январём обе таблицы нельзя.
Читать ответПроверенность feature store не гарантирует пригодность 5000 признаков для новой цели. Начните с доступности признаков на момент предсказания, качества join и независимого baseline.
Читать ответКлиентов находят через EXISTS: январская коммуникация и продажа в следующие 30 дней. Во второй задаче значения разделяют относительно среднего; для приведённого списка аномальны 5000, 1300 и 2000.
Читать ответКлассификация и временная зависимость не исключают друг друга: целевая переменная может быть классом, а наблюдения — зависеть от времени. Разбиение должно воспроизводить момент реального прогноза.
Читать ответОтсортируйте объекты по score по убыванию, начните с TP=FP=0 и снижайте порог. После включения каждой группы одинаковых scores вычисляйте TPR=TP/P и FPR=FP/N.
Читать ответ