Скачать или смотреть Mock-собеседование на позицию Junior ML Engineer с подписчиком канала

Примерно так будет выглядеть собеседование на позицию Junior MLE.
Собеседует Александр Дубейковский – ML Engineer в Авито, ранее работал в Яндексе, прошел более 40 собеседований и получил 6 офферов, а также участвовал в проведении технических интервью. Кандидат – Илья, студент МГТУ им. Баумана, который уже почти год самостоятельно изучает машинное обучение, подписчик нашего канала. Спойлер: на этом мок-собеседовании Илья показа отличные результаты, поэтому советуем смотреть видео с заметками – записывайте его ответы и тренируйтесь самостоятельно (или с нами в нашем телеграм-канале: https://t.me/ml_inside).

📌 Заполни анкету предзаписи на курс "База ML", чтобы так же хорошо проходить собеседования, и получи чек-лист "15 самых популярных вопросов с собеседований и ответы на них":
Анкета предзаписи: https://vk.cc/cO375f
Курс «База ML»: https://clck.ru/3NXgkp
Курс «ML в бизнесе»: https://clck.ru/3NXgnZ
Telegram MLinside: https://t.me/+xPCRRLylQh5lMmI6

В видео вы увидите разбор резюме, теоретические вопросы по ML и Python, обсуждение метрик и алгоритмов, а также разбор типичных ошибок кандидатов. Это полезный опыт для всех, кто готовится к собеседованиям на позиции стажеров и джунов в ML.

Тайм-коды:
00:00 Вступление и знакомство
01:20 Илья о себе
01:45 Разбор резюме кандидата
05:04 План собеседования и формат вопросов
06:03 Что такое модель машинного обучения
06:48 Задачи, которые решает ML
07:58 Алгоритмы для классификации и регрессии
09:34 Логистическая регрессия: постановка задачи, сигмоида, лог-лосс
16:34 Инициализация весов и предобработка признаков
18:55 Масштабирование и кодирование признаков
20:33 Когда стандарт-скейлер может навредить
22:28 Оптимизация и градиентный спуск
24:05 Что такое bias в модели
27:05 Регуляризация: L1 и L2
31:42 Причины переобучения и мультиколлинеарность
33:58 Модификации градиентного спуска (SGD, Momentum, Adam)
37:47 Градиентный бустинг на решающих деревьях
42:24 Метрики классификации: precision, recall, F1, ROC-AUC
44:56 Кейс с медицинской моделью: работа с порогами
46:41 Теорема Байеса
48:14 Алгоритмы сортировки и их асимптотики
50:32 Обратная связь эксперта
56:18 Плюшки для зрителей и информация о курсе «База ML»
1:07:03 Вопросы из чата