Подготовка к интервью
3834 вопроса с собеседований в Сбер
Что проверяют на интервью
Подборка объединяет вопросы, отмеченные на этапах интервью в Сбер. Здесь можно понять структуру технической проверки и заранее повторить связанные темы. В подборке чаще встречаются темы: database, sql, backend.
Каталог
Линейная модель строит разделяющую гиперплоскость, которая делит пространство признаков на две части с помощью линейного уравнения.
Читать ответOWL-ViT (Open-World Learning Vision Transformer) — это модель, объединяющая возможности обработки изображений и текста для решения задач мультимодального понимания.
Читать ответDBSCAN и K-Means — это алгоритмы кластеризации, но они принципиально отличаются по подходу и применимости.
Читать ответФорвард и фьючерс — это производные финансовые инструменты, позволяющие зафиксировать цену актива на будущее, но они отличаются по ряду ключевых характеристик.
Читать ответДля автоматизации разбиения большого объёма данных (например, 10 ГБ) на чанки можно использовать подходы, учитывающие ограничения памяти и удобство обработки:
Читать ответПри тестировании в области машинного обучения и искусственного интеллекта я использовал следующие инструменты и подходы:
Читать ответОбучение обычно происходит с использованием задач типа прогнозирования контекста (например, Word2Vec) или контрастивного обучения.
Читать ответОценка ответов LLM, которые по сути правильные, но сформулированы по-разному, требует подходов, учитывающих смысл, а не только точное совпадение текста. Для этого используют:
Читать ответNaN (Not a Number) — это специальное значение в JavaScript, которое обозначает результат операции, не являющейся числом.
Читать ответВ LangChain/LangGraph методы invoke, stream и batch отличаются по способу взаимодействия с языковой моделью и обработке запросов:
Читать ответОбратная связь от DevOps-команды в проектах с машинным обучением обычно приходит в виде отчетов о производительности моделей в продакшене, логов работы инфраструктуры и рекомендаций по оптимизации развертывания.
Читать ответФундаментальная проблема, которую решает RAG — ограниченность знаний генеративных моделей, обученных на фиксированных датасетах.
Читать ответ