DS-интервью — это ML-теория «на пальцах», метрики, статистика и обязательно практика: «а как это было в вашем проекте». Формулы почти не спрашивают — спрашивают интуицию. К каждому вопросу — что хотят услышать.
Несбалансированные классы: «всегда нет» при 1% фрода = 99% accuracy. Продолжение: какую метрику взять и почему — под бизнес-цену ошибок.
Точность найденного vs полнота поиска; trade-off через порог. Пример с ценой ошибок (спам vs диагностика) — обязательная часть сильного ответа.
Качество ранжирования по всем порогам; при сильном дисбалансе PR-кривая информативнее. Уточнят: AUC 0.5 — что это значит.
От бизнес-цены FP/FN, а не «привычная». Это главный вопрос-мостик — подготовьте под конкретную вакансию.
Недообучение (систематическая ошибка) vs переобучение (чувствительность к шуму); сложность модели балансирует. Рисунок «мишени» или кривых обучения — идеальная подача.
Разрыв train/val, кросс-валидация, регуляризация, ранняя остановка. Хотят историю из практики, а не список методов.
Регрессия числа vs вероятность класса через сигмоиду; интерпретируемость коэффициентов. База; уточнят про интерпретацию весов.
Бэггинг независимых деревьев vs последовательное исправление ошибок; бустинг обычно точнее, лес — устойчивее и параллелится. Плюс: почему бустинг царит на таблицах.
Веса классов, ресемплинг (SMOTE/андерсемплинг), порог, правильная метрика. Важно: ресемплить только train, не val — иначе утечка.
Информация из будущего/таргета в признаках: нормализация до сплита, «дата закрытия» в предсказании закрытия. Вопрос-фильтр: у кого был прод — у того есть история про утечку.
Понять природу пропуска (случайный или нет) → импутация/индикатор/удаление; выбросы — winsorize/лог/робастные модели. «Всегда заполняю средним» — слабый ответ.
Тест — не трогаем до конца; временные ряды — только по времени; стратификация при дисбалансе. Сплит временных рядов случайно — классическая ошибка, о ней и спросят.
Сервинг (API/батч), мониторинг дрейфа данных и метрик, переобучение по расписанию/триггеру. Для мидла+ этот вопрос решающий: «ноутбук → и всё» уже не берут.
Вероятность увидеть такой (или больший) эффект случайно, если на самом деле разницы нет. Частые ловушки: p-value ≠ вероятность гипотезы.
MDE, мощность, значимость → калькулятор/формула; не останавливать тест раньше времени. Подглядывание и остановка «когда позеленело» — красный флаг.
Задача → данные → модель → внедрение → эффект в деньгах/процентах. Модель без бизнес-эффекта — учебный проект; связка с деньгами отличает специалиста.
Пришлите текст вакансии — бесплатно вернём вероятные вопросы по ней, риски и слабые темы. А в приложении SkillCue — тренировка ответов и подсказки прямо во время созвона.
Разобрать мою вакансию бесплатно