Huawei: процесс отбора на стажировку. Неудачный собес

📱 Huawei: процесс отбора на стажировку. Неудачный собес #datascience контестов нет, всё начинается с подачи резюме на их сайте. После этого со мной связался HR и пригласил на ознакомительное интервью. В рамках него мне рассказали об их компании, о командах, задачах. Потом уже я рассказывал о себе: кто я такой, чем интересуюсь, какие у меня навыки, пэт-проекты, почему хочу именно к ним. В целом - дружелюбный формат, почти беседа в конце задали несколько базовых вопросов по ML: про переобучение и его признаки, про способы детектирования, примеры архитектур нейросетей, метрики, функции потерь, немного по автоэнкодерам затронули и математику: спросили про преобразование Фурье - что это вообще и где может использоваться. Кажется, ещё что-то было, но я подзабыл несмотря на мои не самые точные ответы, мне написали уже в тот же день и пригласили на следующий этап - дали на выбор: либо технический прескрининг , либо глубинное интервью на мой gate . Я выбрал первое на прескрининге разговор начался с вопросов про камеры, ведь команда занимается обработкой изображений для камер Huawei. Спросили, почему нельзя просто поставить большую матрицу на всю заднюю часть телефона . Начал отвечать, но сказал не то - правильный ответ оказался в том, что при слишком большой матрице картинка будет полностью белой из-за переизбытка света . Дальше поинтересовался, какие алгоритмы у них применяются(image-to-image нейросети) . Вспомнил про автоэнкодеры - он предложил мне объяснить, как они работают рассказал про сжатие и восстанавление изображения. Всё шло неплохо, пока мы не перешли к метрикам оценки похожести изображений. Вопрос был: какой метрикой можно понять, что два изображения похожи? Я предложил MSE(fail, идея плохая). Тут стоит сместить второе изображение на один пиксель, и всё, метрика говорит, что они совершенно разные. Спросил про другие метрики, но я, к сожалению, не знал - посоветовал прочитать про SSIM и LPIPS обсудили кросс-корреляцию изображений, Фурье для изображений . В конце он добавил, что метрик и методов оценки similarity существует много, и это база. Немного ещё по технической части: каким образом можно детектировать переобучение нейросети и какие есть способы борьбы с ним? (разница между тренировочной и валидационной ошибкой, про early stopping, регуляризацию и dropout) что произойдёт, если удалить функцию активации из всех скрытых слоёв нейронной сети? (без нелинейностей сеть превращается в линейную модель, вне зависимости от количества слоёв) поговорили, и собеседование подошло к концу. Мне сказали, что не готовы продолжать процесс - аргументировали это тем, что я пока не дотягиваю. Предложили "подтянуть теорию и попробовать позже" если честно - интервью мне не понравилось((( атмосфера напряжённая, много агрессивной критики, много давления Я готовился к задачам по архитектурам, а в итоге получил технический разговор про камеры, метрики и Фурье. Было ощущение, что на экзамене, а не на интервью с другой стороны- опыт) теперь знаю, какие слабые места нужно закрыть, вижу, что базу нужно подтянуть, особенно по метрикам так что сейчас - читаю статьи, разбираю примеры, допиливаю понимание, вернусь подготовленным 😎 @zadachi_ds