tgoop.com/plush_python/53
Last Update:
После вчерашнего мок-интервью мне в чате ODS NN задавали интересные вопросы, опубликую здесь ответы на некоторые из них. Надеюсь, что кому-то из вас будет полезно)
1. Если на собеседовании будут спрашивать про Python, какие вопросы могут быть?
На уровне мидла / сеньора по Питону можно ожидать вопросы про декораторы + functools.wraps, метаклассы и чем их лучше заменить, контекстные менеджеры, переписывание операторов (+ - * == > и т.д.), дескрипторы, наследование vs композиция vs микс-ины, pytest, разрешение circular imports, аннотирование типов и т.п.
На уровне джуниора часто спрашивают про то, когда лучше использовать какие типы данных (список vs словарь vs множество vs кортеж), list/dict comprehensions, generator expressions, принципы ООП.
Всем полезно знать про инженерные практики: SOLID, DRY, AHA, YAGNI и т.п.
2. Как оставаться в курсе трендов NLP (особенно когда уже владеешь теоретической базой)?
Я обычно, чтобы быть в курсе трендов, читаю телеграм-каналы наподобие:
https://www.tgoop.com/dlinnlp
https://www.tgoop.com/gonzo_ML
https://www.tgoop.com/doomgrad
Потом, если нужно более глубоко разобраться в том или ином методе / подходе, читаю научные статьи (а куда от них деваться) и блог-посты крупных компаний.
Иногда полезно выборочно читать новые книги, издаваемые авторитетными издательствами (O'Reilly, Manning), там бывает более систематичное и подробное изложение относительно "больших" тем (например, какой-то конкретный фреймворк или тип задач).
3. Какие есть бесплатные онлайн-курсы не про алгоритмы ML, а про выведение моделей в продакшн, применение ML в реальных приложениях и т.п.?
Вот эти рекомендую посмотреть:
https://www.coursera.org/specializations/machine-learning-engineering-for-production-mlops
https://ods.ai/tracks/ml-system-design-22
https://c.d2l.ai/stanford-cs329p/
#ml #career
BY Плюшевый Питон
Share with your friend now:
tgoop.com/plush_python/53