В данном блоге доступно 37 постов на разные темы
План подготовки к собеседованию, финальный чек-лист и источники
Финал конспекта: планы подготовки на неделю и на месяц, метод самопроверки, обязательный практический минимум, чек-лист перед интервью и список источников. 75. План подготовки Как пользоваться этой методичкой Если у вас …
Инженерная секция: Python, алгоритмы, ML System Design и поведенческое интервью
Темы 71–74: что спрашивают по Python, обязательный минимум алгоритмов, универсальный каркас ML System Design и как рассказывать про свой опыт. 71. Python на собеседовании Важность на собеседовании: 7/10 ███████░░░ 🔥🔥 …
Агенты и инструменты: function calling, MCP, structured output и evals
Темы 63–66: вызов инструментов, агентные циклы и MCP, гарантированный JSON на выходе, evals и LLM-as-judge. 63. Function calling и вызов инструментов Важность на собеседовании: 8/10 ████████░░ 🔥🔥🔥 Критично. Базовый механизм …
Классический ML: дисбаланс, признаки, калибровка и интерпретируемость
Темы 28–34: дисбаланс классов, кодирование категорий, калибровка вероятностей, кластеризация, снижение размерности, поиск аномалий и SHAP. 28. Дисбаланс классов Важность на собеседовании: 9/10 █████████░ 🔥🔥🔥 Критично. Идёт в связке с метриками …
Классический ML: постановка задачи, метрики и валидация
Темы 11–16: bias–variance, метрики классификации и регрессии, ROC-AUC против PR-AUC, метрики ранжирования и кросс-валидация без утечек. Это самая опрашиваемая часть на РФ-собесах. Именно здесь режут кандидатов, которые «умеют звать LLM …
Математика для собеседования: линейная алгебра, SVD и вероятность
Темы 1–5: линейная алгебра, SVD и PCA, градиенты и backprop, база теории вероятностей и распределения — тот минимум математики, который спрашивают на ML-секции. 1. Линейная алгебра для ML Важность на …