Подготовка к интервью
24 вопроса с собеседований в хз
Что проверяют на интервью
Подборка объединяет вопросы, отмеченные на этапах интервью в хз. Здесь можно понять структуру технической проверки и заранее повторить связанные темы. В подборке чаще встречаются темы: kubernetes, devops, infrastructure.
Каталог
Сначала определите дедлайн и объём реально нужного пересчёта. Для N клиентов за T секунд минимальная средняя производительность — N/T; число workers оценивают по измеренной пропускной способности с запасом.
Читать ответУ метрик качества разные определения, чувствительность и способы усреднения. Одинаковое числовое значение двух метрик не означает одинаковое качество или одинаковую пользу для задачи.
Читать ответДеплой модели включает упаковку артефакта и preprocessing, проверку качества и совместимости, запуск inference-сервиса, контролируемый rollout и мониторинг. Версия модели должна быть связана с данными и кодом обработки.
Читать ответДля batch-обработки отслеживают длительность, свежесть данных, пропускную способность, очередь, ошибки и потребление ресурсов. Важно видеть не только падение процесса, но и отсутствие ожидаемого результата.
Читать ответВ production модель обычно получает подготовленные признаки, выполняет inference и возвращает предсказание. Новые входные данные сами по себе не переобучают модель, если отдельный механизм обучения не предусмотрен.
Читать ответДа: качество входных данных и их соответствие обучению нужно отслеживать отдельно от качества предсказаний. Ошибка признаков может появиться раньше, чем станет доступна итоговая разметка.
Читать ответЭто возможная схема retrieval с расширением контекста, но подтвердить конкретную реализацию можно только по вашему pipeline. Найденный фрагмент не обязательно означает отправку всего документа.
Читать ответМощность определяют по измерениям конкретной модели и целевым RPS, задержке, длинам входа и выхода, размеру батча и запасу на пики. Одного числа параметров модели недостаточно.
Читать ответОтслеживайте качество модели, качество входных данных, задержку, ошибки, нагрузку и стоимость. Дополнительно измеряйте бизнес-эффект и изменения распределения данных.
Читать ответРазделите опыт с Docker и Kubernetes: сборка и запуск образов — одно, эксплуатация приложений или администрирование кластера — другое. Подкрепите ответ реальной задачей.
Читать ответКроме длительности контролируйте полноту, корректность и свежесть результата, число обработанных и ошибочных записей, повторы и потребление ресурсов. Быстро завершившаяся джоба может ничего полезного не сделать.
Читать ответДля бизнес-задач применяют линейные модели, деревья и бустинг, кластеризацию, рекомендательные алгоритмы, модели временных рядов и компьютерного зрения. Выбор начинается с задачи и данных.
Читать ответ