Mock-интервью по ML и LLM — ml-book.com

Диагностика Mock-интервью

ml-book.com

Глоссарий Карточки

Что такое машинное обучение Типы обучения: с учителем, без и с подкреплением Линейная регрессия Градиентный спуск Логистическая регрессия и классификация Теорема Байеса и наивный Байес Переобучение и регуляризация Метрики качества Деревья решений и ансамбли SVM и kernel trick kNN и кластеризация Снижение размерности и PCA Фичи и утечки данных (data leakage)Временные ряды и прогнозирование

От нейрона к многослойному перцептрону Функции активации Обратное распространение ошибки Оптимизаторы: SGD, Momentum, Adam Практика обучения: батчи, dropout, batchnorm Распознавание цифр из пикселей Свёрточные сети (CNN)Рекуррентные сети (RNN, LSTM)

Биграммы и n-граммы Токенизация и BPE Эмбеддинги и word2vec Механизм внимания (attention)Архитектура трансформера Современные архитектуры: RoPE, MoE, GQA

Претрейнинг и scaling laws Fine-tuning: SFT, LoRA, PEFT Alignment: RLHF и DPO Reasoning-модели и test-time compute Сэмплирование: temperature, top-k, top-p Инференс: KV-cache, квантизация, спекулятивный декодинг Дистилляция и сжатие моделей Оценка LLM: бенчмарки и LLM-as-judge Работа с контекстом и разметка сообщений Промпт-паттерны и structured outputs

Как LLM видят изображения Звук: распознавание и синтез речи Omni-модели: все модальности в одной OCR: от классики до распознавания через LLM VAE и GAN: генерация до диффузии Диффузионные модели: как рисует Stable Diffusion Видео-модели: генерация с временной согласованностью

Видеокарты и VRAM: железо для нейросетей Распределённое обучение: DP, TP, PP и ZeRO Локальные модели против SaaS и API

Tool calling: как модель вызывает инструменты Агентный цикл и критерий остановки Память, планирование и мультиагентные системы MCP: стандарт подключения инструментов Оценка агентов: pass@k и траектории

Что такое RAG и зачем он нужен Векторный поиск и ANN-индексы Векторные базы данных и их типы Чанкинг и подготовка данных Гибридный поиск и реранкинг MMR и разнообразие выдачи Эмбеддинг-модели: как их обучают Оценка качества RAG

Дизайн ML-систем на собеседовании Рекомендательные системы Мониторинг и дрифт данных A/B-тесты и продуктовые метрики Безопасность: guardrails и prompt injection

Главная · Mock-интервью по ML и LLM — ml-book.com

Загрузка…