Тест для Data Scientist

Q: Сколько вопросов в тесте по профессии Data Scientist?

20 вопросов с выбором ответа: 9 junior, 9 middle и 2 senior. Их берём из банка в 967 вопросов с разборами.

Q: Как считается уровень?

Каждый ответ весит по сложности: junior 1 балл, middle 2, senior 3. Senior дают только тем, кто закрыл и сложные вопросы, поэтому угадать уровень на лёгких не выйдет.

Q: Нужна ли регистрация?

Нет. Вердикт, разбивка по темам и ошибки с правильными ответами видны сразу. Регистрация нужна, только чтобы сохранить результат и получить план подготовки.

Q: Таймер строгий?

Нет. На тест отводится около 10 минут, таймер просто показывает время. Когда оно выйдет, можно спокойно закончить.

Q: Вопросы каждый раз одни и те же?

Набор вопросов теста постоянный, а порядок вопросов и вариантов меняется при каждом прохождении. Остальные вопросы ждут в билетах тренажёра.

Q: Можно поделиться результатом?

Да. Ссылка показывает только тему, уровень, процент и дату, без имени и почты.

Question 1

Чему равно np.array([[1, 2], [3, 4]]).sum(axis=0)?

Accepted Answer

[4 6]

Answer

10

Answer

[3 7]

Answer

[[4 6]]

Question 2

Аналитик посчитал средний чек по каждому городу, затем взял среднее этих значений и назвал его «средним чеком компании». В чём проблема?

Accepted Answer

Города с разным числом заказов получают равный вес, и итог искажён

Answer

Проблемы нет: результат всегда совпадёт со средним по всем заказам

Answer

Нужно было взять медиану средних: она устойчива к выбросам городов

Answer

Среднее нельзя считать после groupby: pandas вернёт среднее индекса

Question 3

Сколько целевых (primary) метрик стоит выбрать для решения по A/B-тесту и когда?

Accepted Answer

Одну, до запуска теста

Answer

Пять-десять, чтобы точно что-то покрасилось

Answer

Одну, но выбрать после теста ту, что изменилась сильнее

Answer

Не нужно выбирать: решают по всем метрикам сразу

Question 4

B2B-продукт: 40 клиентов в тесте. Менеджер предлагает «байесовский тест, потому что ему не нужна большая выборка». Что ответить?

Accepted Answer

Posterior будет широким: малый эффект на 40 не увидеть

Answer

Согласиться: байесовскому методу размер выборки не важен

Answer

Предложить t-тест: он работает на малых выборках лучше

Answer

Взять сильный prior из истории, чтобы интервал сузился

Question 5

Как определяется условная вероятность P(A | B) при P(B) > 0?

Accepted Answer

P(A ∩ B) / P(B)

Answer

P(A ∩ B) / P(A)

Answer

P(A)·P(B)

Answer

P(B | A)

Question 6

Линейную регрессию решают по формуле w = (XᵀX)⁻¹Xᵀy. В данных есть признак «цена в рублях» и тот же признак «цена в тысячах рублей». Что произойдёт?

Accepted Answer

XᵀX станет вырожденной: обратной нет, решение неединственно

Answer

Ничего: модель просто даст двум признакам одинаковые веса

Answer

Формула автоматически занулит вес одного из дубликатов

Answer

Обучение пройдёт, но MSE на трейне заметно станет больше

Question 7

Почему перед ridge или lasso признаки стандартизуют?

Accepted Answer

Штраф одинаков для всех весов, а величина веса зависит от единиц признака: регуляризация неравномерна

Answer

Без масштабирования решатель ridge или lasso не сходится и модель не обучится вовсе

Answer

Стандартизация убирает мультиколлинеарность, и регуляризация затем работает с независимыми признаками

Answer

Это нужно для совместимости с деревьями в ансамбле, сама линейная модель к масштабу безразлична

Question 8

Как считается permutation importance признака?

Accepted Answer

Перемешать значения признака на валидации и посмотреть, насколько упала метрика обученной модели

Answer

Переобучить модель без этого признака на тех же данных и сравнить метрики на валидации с полной моделью

Answer

Посчитать, сколько раз признак использован в разбиениях деревьев, и нормировать на число деревьев

Answer

Посчитать модуль корреляции Пирсона между признаком и целевой переменной на обучающей выборке

Question 9

Ошибка: "Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu". Что сделать?

Accepted Answer

Перенести модель (model.to(device)) и каждый батч входов и меток на одно устройство

Answer

Перезапустить Python, чтобы CUDA-контекст создался заново на одном устройстве

Answer

Уменьшить размер батча, чтобы PyTorch не выгружал часть тензоров на CPU

Answer

Вызвать torch.cuda.empty_cache(), чтобы освободить память под перенос тензоров

Question 10

В цикле обучения пишут total_loss += loss и через сотни шагов кончается память GPU. Почему?

Accepted Answer

loss это тензор с графом; накапливая его, мы держим графы всех шагов. Нужно loss.item()

Answer

Потому что loss слишком большой по значению и хранится в float64 на GPU

Answer

Нужно вызывать torch.cuda.empty_cache() каждый шаг, иначе аллокатор не возвращает память

Answer

Сложение тензоров на GPU создаёт новую копию в памяти, и старые копии не освобождаются

Question 11

В таблице sizes 3 строки, в таблице colors 4 строки. Сколько строк вернёт SELECT * FROM sizes CROSS JOIN colors?

Accepted Answer

12

Answer

7

Answer

4

Answer

16

Question 12

Что делает SET lock:order:42 <token> NX EX 30?

Accepted Answer

Атомарно ставит ключ, только если его нет, с TTL 30 секунд

Answer

Ставит ключ, перезаписывая существующий, и удаляет через 30 секунд

Answer

Ставит ключ, только если он уже есть, и продлевает на 30 секунд

Answer

Ставит ключ на 30 минут, если он есть, иначе возвращает ошибку

Question 13

Какая сложность поиска в бинарном дереве поиска?

Accepted Answer

O(h): O(log n) у сбалансированного, O(n) в худшем

Answer

Всегда O(log n): каждый шаг отбрасывает половину

Answer

Всегда O(n): в худшем случае обходится всё дерево

Answer

O(1) в среднем, как у хеш-таблицы с ключами

Question 14

Рекурсивный DFS заливает остров на сетке 1000 × 1000, состоящей целиком из суши. Что может случиться в JS?

Accepted Answer

RangeError: переполнение стека, глубина до миллиона

Answer

Ничего: рекурсия в JS ограничена только объёмом кучи

Answer

Обход станет O(n²) из-за повторных заходов в клетки

Answer

Сработает хвостовая оптимизация, и стек не вырастет

Senior	от 80% баллов и от 60% senior-вопросов
Middle	от 60% баллов и от половины middle-вопросов
Junior	от 30% баллов или от 70% junior-вопросов
Пока стажёр	меньше, чем нужно для junior

Тест для Data Scientist

20 вопросов по профессии Data Scientist

Примеры вопросов для Data Scientist

Из каких тем вопросы

Как считается уровень

Тесты по отдельным темам

Частые вопросы