Подготовка к интервью
542 вопроса с собеседований в Avito
Что проверяют на интервью
Подборка объединяет вопросы, отмеченные на этапах интервью в Avito. Здесь можно понять структуру технической проверки и заранее повторить связанные темы. В подборке чаще встречаются темы: mobile, go, frontend.
Каталог
Причины ухода с последнего места работы могут быть разными, но важно формулировать их конструктивно и профессионально. Например:
Читать ответElastic Net — это метод регуляризации в линейной регрессии, который объединяет свойства Lasso (L1-регуляризация) и Ridge (L2-регуляризация). Он помогает бороться с переобучением и одновременно выполнять отбор признаков.
Читать ответВ Docker распределение ресурсов между контейнерами осуществляется с помощью ограничений и квот на использование CPU, памяти, диска и сети.
Читать ответГрадиентный бустинг и случайный лес — это оба ансамблевые методы машинного обучения, основанные на деревьях решений, но они отличаются по принципу построения и объединения моделей.
Читать ответАгент-чат (chat agent) и агент RPA (Robotic Process Automation) — это разные типы автоматизации с разными целями и подходами.
Читать ответДля хранения событий звонков оптимально использовать колоночные или временные базы данных (Time Series DB), например, ClickHouse или TimescaleDB.
Читать ответMemory-bound операции ограничены скоростью доступа к памяти.
Читать ответПереобучение — это ситуация, когда модель машинного обучения слишком хорошо подстраивается под обучающие данные, включая шум и случайные особенности, и плохо обобщает на новые данные.
Читать ответРеверс массива без использования компиляции можно реализовать, например, в языке Go, просто написав функцию, которая меняет элементы массива местами, обходя его с двух концов.
Читать ответNeighborhood aggregation — ключевой механизм в графовых нейронных сетях (GNN), где для каждого узла собирается информация от соседних узлов и объединяется для обновления его представления.
Читать ответВ градиентном бустинге целевая переменная для n-го дерева — это отрицательный градиент функции потерь по предсказаниям модели на текущем этапе.
Читать ответВместо того чтобы полагаться только на знания модели, RAG использует внешний источник данных для повышения точности и актуальности ответов.
Читать ответ