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
Выберите реальный инцидент и расскажите о влиянии, диагностике, восстановлении и предотвращении повторения. Важно показать ход решений, а не героизацию аварии.
Читать ответWAL сначала сохраняет журнал изменений, а затем позволяет записывать изменённые страницы данных. После сбоя журнал используется для восстановления изменений, ещё не попавших в основные файлы.
Читать ответЕсли это обработчики обычного def и в thread pool есть два свободных места, оба запроса завершатся примерно за 5 секунд, а не последовательно за 10. Точное время зависит от загрузки.
Читать ответЕсли опыт есть, опишите конкретный pipeline: документы, embeddings, индекс, retrieval, генерация и оценка. Если был только прототип, прямо обозначьте его масштаб.
Читать ответОграничьте размер загрузки и суммарные квоты, пишите во временный файл и контролируйте доступное место. Предварительная проверка свободного диска полезна, но не защищает от параллельных загрузок.
Читать ответНе передавайте request-scoped DB-сессию в долгую фоновую задачу. Передайте file_id, а сессию создавайте внутри задачи; для пятиминутного парсинга надёжнее отдельная очередь и worker.
Читать ответАгентная система включает модель принятия решений, контекст и состояние, инструменты, управляющий цикл и правила безопасности. Также нужны наблюдаемость и обработка сбоев.
Читать ответОпишите реальные роли GigaChat и локальной модели: какие запросы получала каждая, зачем понадобилась LoRA и как выбирался маршрут. Не предполагается, что одна модель автоматически лучше другой.
Читать ответFine-tuning меняет параметры модели на примерах, RAG добавляет найденные сведения в контекст запроса. Они решают разные задачи, поэтому одинаковый результат не гарантирован.
Читать ответОбоснуйте выбор Llama 3 результатами своей оценки: качество целевых ответов, ресурсы, latency и условия использования. Название модели само по себе не объясняет решение.
Читать ответLLM генерирует ответ по контексту; агентная система использует её для выбора действий, вызова инструментов и продолжения работы по результатам этих действий.
Читать ответНазовите реально созданные или использованные типы агентов и объясните цикл работы: вход, выбор действия, инструмент, наблюдение и остановка. Не приписывайте обычному prompt-пайплайну лишнюю автономность.
Читать ответ