Machine Learning / AI
Предложи вариант разработки рекомендательной системы заданий для ученика на образовательной платформе.
По какой причине ушёл из ПИК?
Какие гиперпараметры LoRA знаешь?
Какая формула используется для минимизации расстояния между предсказанием и таргетом в линейной регрессии? Как от неё взять производную?
Расскажи о себе, своём опыте и ключевых проектах (в частности — про корпоративную GPT-систему в [компания]).
Какова была ваша роль в проекте?
В чём разница между fine-tuning и few-shot prompting? Что и когда выбирать?
Расскажи про проект с классическим ML (не LLM), которым ты гордишься.
Как построить качественный пул вопросов и ответов для оценки системы?
Есть ли у тебя военный билет или приписное?
Зачем нужна нормализация (Layer Norm) — зачем стабилизировать обучение?
Есть ли сейчас офферы/преофферы на руках? Насколько активно рассматриваешь предложения?
Можешь порекомендовать второго кандидата на позицию?
Как бы ты сейчас (с текущими знаниями) решал задачу классификации и маршрутизации заявок в сервис-деске, используя многоуровневый подход rule-based → ML → LLM fallback → человек? Назови конкретные технологии, модели и метрики.
Bias-Variance tradeoff для метода k ближайших соседей (kNN) при k=1 и при большом k.
Если придут несколько офферов, какие будут критерии выбора?
В каком виде LLM классифицирует запрос — что именно она возвращает для выбора сценария?
Что такое градиент с точки зрения математики и как он применяется в машинном обучении?
Сравни линейные и нелинейные модели в классическом ML — плюсы и минусы.
Как был организован инференс LLM (DeepSeek R1 33B)? Сколько GPU, как параллелили?