Подготовка к интервью
978 вопросов с собеседований в Яндекс
Что проверяют на интервью
Подборка объединяет вопросы, отмеченные на этапах интервью в Яндекс. Здесь можно понять структуру технической проверки и заранее повторить связанные темы. В подборке чаще встречаются темы: mobile, backend, database.
Каталог
MAP (Mean Average Precision) и MRR (Mean Reciprocal Rank) — это метрики качества в задачах ранжирования, которые оценивают, насколько хорошо модель упорядочивает релевантные элементы.
Читать ответНельзя автоматически считать модель с F1-score 0.81 лучше модели с 0.8 и сразу запускать в продакшен. Разница в 0.01 может быть статистически незначимой и не гарантирует улучшения в реальных условиях.
Читать ответVocal synthesis — это технология генерации человеческого голоса с помощью алгоритмов и моделей машинного обучения. Она применяется для создания речи из текста (Text-to-Speech) или для имитации пения.
Читать ответВ одном из проектов я автоматизировал процесс предобработки данных для модели машинного обучения.
Читать ответДля сравнения качества разных эмбеддинг-моделей обычно используют наборы задач, которые отражают разные аспекты понимания текста и семантики. Ключевые методы оценки включают:
Читать ответF1-мера используется вместо простого среднего арифметического Precision и Recall, потому что она является гармоническим средним, которое лучше отражает баланс между точностью и полнотой.
Читать ответДля организации хранилища данных из нескольких источников (бэкенд базы, кликстрим, CRM, коммуникации) обычно применяют архитектуру Data Lake или Data Warehouse с ETL/ELT процессами.
Читать ответВ RAG (Retrieval-Augmented Generation) re-ranker — это компонент, который переоценивает и сортирует документы или фрагменты, извлечённые из базы знаний, чтобы выбрать наиболее релевантные для генерации ответа.
Читать ответL1-регуляризация добавляет к функции потерь сумму абсолютных значений весов (||w||₁). Это приводит к тому, что при оптимизации многие веса стремятся к нулю, то есть становятся точно равными нулю.
Читать ответLocal Outlier Factor (LOF) — это алгоритм для обнаружения аномалий, основанный на оценке локальной плотности данных. Идея в том, что аномалии — это точки, которые значительно отличаются от своих соседей по плотности.
Читать ответpython import numpy as np import time
Читать ответConfounder (мешающий фактор) — это переменная, которая влияет одновременно и на независимую переменную (фактор, который мы изучаем), и на зависимую переменную (результат), создавая ложную или искаженную связь между ними.
Читать ответ