Комментарии 7
Вот именно в таком виде, как я описал, — скорее для senior+ позиций. При этом вполне может быть, что о том же самом говорят и с middle, и с junior, просто сам разговор получается существенно иным — меньше тем покрывается, с меньшей глубиной, сам разговор в меньшей степени направляется кандидатом и в большей степени проводящим собеседование.
У меня два профильных высших, сертификат по машинному зрению из Стенфорда, огромный опыт работы по написанию управляющих алгоритмов для автоматики на уровне Senior и CTO, но я впервые слышу: «Простейший пример такого рода — использование DCG-like метрик для задач ранжирования или AUC-like метрик для некоторых специфичных задач классификации.»
Всё таки каких именно специалистов ищет яндекс? Людей, умеющих думать, писать алгоримты, решать задачи и придумывать уникальные решения, или поначитавшихся «умных терминов»?
Это на самом деле логично. ML — очень обширная тема, и её нельзя знать целиком (хотя я бы ожидал на фоне ваших заслуг знания про ROC-AUC или PR-AUC :), поэтому на таких секциях лучше давать задачи из тех областей, что знакомы кандидату. Я так всегда и делаю :)
Поскольку мой пример — про задачу ранжирования, я исходил из того, что мой воображаемый кандидат знаком с задачей ранжирования. Если кандидат знаком с CV — можно будет поговорить про задачу, специфичную для CV, ну и так далее.
Да, согласен. Мне просто резанул глаз "простейший пример" - это как в советских книжках "отсюда [ни разу НЕ] очевидно, что" ;)
Хотя я погуглил упомянутые вами термины, и внезапно оказалось, что конечно же я знаю эти понятия, но просто под другими названиями. Это лишний раз показывает проблему взаимопонимания специалистов даже внутри единой области, если она динамично/параллельно развивается.
Не взяли потому что на последней секции долго думал над тем, как за линейное время и константную память пересечь два массива.
Как проходят секции по машинному обучению на собеседованиях в Яндекс