ML собеседование: чеклист подготовки перед следующим раундом

ML-интервью обычно смешивают теорию, практику и системное мышление. Вот компактный список, который закрывает самые частые вопросы.

1) Метрики и оценка качества

• классификация: precision/recall, ROC-AUC, PR-AUC
• регрессия: MAE/RMSE, выбросы
• ранжирование: NDCG, MAP
• калибровка вероятностей и зачем она нужна

2) Bias/variance и обобщение

• underfitting vs overfitting
• регуляризация (L1/L2), early stopping
• выбор стратегии кросс-валидации

3) Фичи и leakage

• примеры leakage (особенно time-based split)
• категориальные признаки: способы кодирования
• пропуски: стратегия обработки

4) Эксперименты

• offline vs online метрики
• основы A/B: мощность, длительность, guardrails

5) ML System Design (что хотят услышать)

• сбор данных и разметка
• обучение и сервинг
• мониторинг: drift, качество, задержка, стоимость

Быстрый шаблон ответа

На вопрос “Как бы вы сделали X?” отвечайте так:

1. цель + метрика
2. источники данных
3. baseline модель
4. план итераций
5. мониторинг + откат