Middle Data Scientist | Выпуск 1. Секция ML | Собеседование | karpov.courses

Это второе mock-интервью на позицию Data Scientist — в этот раз преподаватель курса Hard ML Станислав Гафаров проверил скиллы middle-специалистки Анастасии.

Беседа получилась тёплой и непринуждённой, а само видео мы решили разделить на две части: в первую вошли основы ML и ML Design, а во вторую (которую выложим чуть позже) — Python и работа с данными.

Важно понимать, что это лишь часть вопросов, которые могут задать специалисту данного уровня, и на реальном собеседовании они могут отличаться. В ответах, как и в вопросах, есть неточные формулировки. Просим списать это на то, что интервью проходило поздно вечером :)

0:00 – Интро
02:04 — Формат собеседования
03:18 — Воспоминания
05:09 — Вопрос по ML-дизайну
06:09 — Определение LTV, уточнение условий задачи
09:02 — Начало ответа
12:18 — Переход к ключевым вопросам и самому ответу
22:56 — Обобщение ответа
25:14 — Какие могут возникнуть проблемы при планировании LTV на полгода вперед?
26:59 — Как делать прогноз для новых пользователей?
28:54 — Обоснования выбора и описание модели
30:49 — Представление модели бизнесу
33:32 — Переход к DS
33:58 — Обоснование выбора MSE
35:58 — Примеры несимметричных метрик
40:26 — Переход к регрессорам
43:46 — Gradient-boosted trees
44:50 — Вопрос со звёздочкой
55:36 — Работа с понижением размерности

[MrRescued]

Я думаю, для таких видео желательно, чтобы собеседующий и собеседуемый не знали друг друга. Иначе смазывается процесс. Она видит друга, а не человека, который ее проверяет. Он видит друга, а не человека, которого надо строго оценить.

[mwave]

Блин, вот я сколько уже таких интервью в ДС посмотрел, где нужно накидать модель. Каждый раз, на самый первый вопрос, где в двух словах говорится что нужно бизнесу - "нужно спрогнозировать ЛТВ", кандидат отвечает:
"а я возьму такую модель, а я МСЕ, МАЕ, ЛОГИТ функцию потерь буду оптимизировать, а я возьму этот алгоритм, а я вот эту метрику буду на валидации использовать".
Ветер в харю, я х..ярю.

Может сначала сформулировать какие данные должны быть на входе, как давно данные собираются, как предсказывают ЛТВ сейчас, для чего потом будет использоваться ЛТВ?
Исходя из данных можно модель выбрать, а с бизнес метрику прикрутить к eval_metric модели.

[sgkccxv]

Спасибо за полезный контент! А когда выйдет продолжение? Очень интересно!

[antontsvetkov]

Вот бы реальные собеседования начинались с такой же ржаки

[eiybguy]

>Лассо это почти то же самое что и PCA
>ну да
и таких моментов, когда интервьюер принимает или пропускает ошибки и неточности россыпью по всему видео.
Возможно в подобном формате должны участвовать незнакомые дюди

[cosmonaut]

После двух просмотренных интервью впечатление, то на джуна знаний больше нужно, чем на мидла.

[ofcroku]

Собеседование интересное, спасибо большое как вам, Станислав, так и Анастасии, мне кажется, нужна изрядная смелость для того, чтобы участвовать в таких мероприятиях, и интервьюируемая девушка производит впечатление опытного специалиста.
Собеседование показалось несколько неторопливым.
Обсуждение первого вопроса заняло около получаса и лично мне не хватило конкретики (но с другой стороны, понятно, что с этой стороны экрана рассуждать легко))

По ML design интересно, часто ли на собеседованиях задают вопросы, которые ближе к техническим аспектам размещения и эксплуатации моделей в проде. Например, про узкие места, оптимизацию и поиск проблем, как всё уместить на распределённой вычислительной платформе, как накатывать обновления на модель и так далее?
Понятно, что по классике это ближе к Data Engineering, но ответ всё равно любопытен.

В реальных собеседованиях обычно темп такой же или всё-таки повыше?
Ожидал, что вопросов про DS и ML будет больше, само обсуждение будет с более высокой скоростью.


С нетерпением жду вторую часть, уже интересно, будет ли в python какой-то аналог leetcode-задач, будут ли вопросы по SQL.

[madchemistry]

Очень интересно! В частности, потому что я химик. Было забавно узнать, что и химики могут быть успешны в DS....при желании.

[fbzvcfs]

Вопрос про метрику, может кто объяснить. Если мы берём и предиктим на полгода вперёд, то как бэ у-тру у нас нет. И оценить в настоящий момет качество предсказания метрикой регрессии не получится.

[rusfinance]

Красивая и умная девушка, интересно было посмотреть

[mqxqhiq]

Так в дереве решений для регрессии же вроде используется не энтропия, а дисперсия вокруг среднего?

[Slavlotski]

Когда уже научитесь добавлять таймкоды к видео? :)

[petyap]

АБ тестов с питоном не показали;) Интересненько.

[mlwithegor]

Мне одному показалось, что на junior ds собеседование было сложнее?

[mlpython]

32:40 работает хорошо на истории.
А кто ответит - в реальности оно работает?

[kristinasaraeva]

Что за странный финтех, который не знает ушёл его клиент или нет? Закрыл он счёт и вывел деньги или нет? 🤔

[AlexxxeyS]

Ну откуда этот американизированный роствско-краснодарский акцент чё за мода такая😁

[pogrom]

какую чушь спрашивает интервьюер, он даже сформулировать не может толком.. тимлид наверное.. бегите от таких.

[rurchcx]

Милашка, конечно, но часто очень неуверенные ответы прям

[MrSkinification]

Жижа какая-то а не собеседование. Большое похоже на то что вьювер барышню в кафешку вывел и вопросы о её работе задаёт. Проводить симуляцию собеседования между знакомыми людьми это буквально переобучение сети.