Interview Boost AI
Меню

Подготовка к интервью

Вопросы на собеседовании в Яндекс

978 вопросов с собеседований в Яндекс

978 вопросов 1634 компании 353 технологии

Что проверяют на интервью

Как устроена подборка

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.

Связанные технологии

Linux 21 Python 17 Java 16 Golang 15 Android 14 Kotlin 11
Все 978 Технические вопросы 42384 Поведенческие вопросы 5461 System Design 889 Лайвкодинг 3221

Каталог

Результаты поиска

Найдено: 978
Теория

Где будут расположены медиана и среднее при правостороннем скошенном распределении?

В типичном учебном примере одновершинного правосторонне скошенного распределения длинный правый хвост сильнее сдвигает среднее, чем медиану. Поэтому обычно ожидают среднее > медиана, а часто и мода < медиана < среднее.

Яндекс
Читать ответ
Поведенческий

Какие метрики качества модели использовались в медицинском стартапе? Почему именно такие пороговые значения?

В ответе о своём проекте назовите реально использованные метрики, выборку и способ валидации. Для бинарного диагностического классификатора важно различать:

Яндекс
Читать ответ
Теория

Какие оконные функции используют в аналитике и чем RANK отличается от DENSE_RANK?

В аналитике оконные функции используют для ранжирования, сравнения соседних строк и вычисления накопительных или скользящих показателей. Например, ROWNUMBER, RANK, DENSERANK, LAG, LEAD, а также агрегаты с OVER.

Себе Яндекс SQL
Читать ответ
Теория

Почему не использовать зарубежные AI-модели и как учитывать персональные данные?

Отказ от зарубежной модели может быть связан с контролем данных, требованиями безопасности, условиями поставщика и возможностью адаптировать решение под бизнес.

Розенталь Яндекс
Читать ответ
Лайвкодинг

Функция для анимированного отображения автомобилей на карте

Требуется реализовать метод displayCars, который отвечает за визуализацию машин на карте. Метод получает массив объектов Car. Каждый объект Car содержит уникальный идентификатор, координаты и угол поворота. Необходимо:

Яндекс Dart
Читать ответ