ЖЕСТКОЕ СОБЕСЕДОВАНИЕ В СБЕР на Data Scientist

🔑 Готовишься к собеседованиям и хочешь получить оффер? «Оффер под ключ» — подготовка, практика и помощь с поиском работы. Начни с бесплатного карьерного скрининга: https://unicode.school/programs/offer-pod-klyuch/?utm_source=youtube&utm_medium=video_description&utm_campaign=offer&utm_content=HQuT50W_hsQ 🐳 Мой Telegram — карьера в IT, разборы и жизнь: https://t.me/gernar228 💼 Вакансии в IT, которых нет на hh.ru: https://t.me/unicode_jobs Разбор реального собеседования Data Scientist в Сбер: Python, профилирование, градиентный бустинг, NLP, attention, QKV и кластеризация. Дополнительно по теме выпуска: 🎯 Готовишься к собеседованию Data Scientist? Пройди мок-интервью с разбором ответов от трёх специалистов: https://unicode.school/career-help/readiness-audit/?utm_source=youtube&utm_medium=video_description&utm_campaign=audit&utm_content=HQuT50W_hsQ ТАЙМКОДЫ 00:00 – Реальное собеседование Data Scientist 00:33 – Вопрос 1: Что такое изменяемые и неизменяемые типы данных в Python? 01:23 – Ответ 1 02:30 – Вопрос 2: Что такое магические методы в Python и dunder-методы в ООП? 02:47 – Ответ 2 04:15 – Вопрос 3: Как оптимизировать медленный код на Python? 05:00 – Ответ 3 07:03 – Вопрос 4: Почему в градиентном бустинге используют неглубокие деревья? 08:58 – Ответ 4 10:34 – Вопрос 5: Как развивался NLP: от мешка слов до трансформеров? 12:55 – Ответ 5 15:17 – Вопрос 6: Как устроена архитектура трансформеров: Query, Key, Value? 17:41 – Ответ 6 19:39 – Вопрос 7: Какие бывают алгоритмы кластеризации в машинном обучении? 20:20 – Ответ 7 22:01 – Получил ли кандидат ОФФЕР? По вопросам обучения и услуг: https://t.me/gernar228_support