РЕАЛЬНОЕ собеседование Senior NLP Data Science на $12 000 | Валютная удаленка

Я жестко тупил, но даже так получил огромный оффер, чем ты хуже? Ноутбук с кодом и объяснением выложил в тг канале: @easy_data_science Получи бесплатную консультацию и персональный путь в IT, написав мне в tg: @nikita_px ТАЙМКОДЫ: 00:00 — Введение и рассказ о полученном оффере 00:28 — Условия задачи life-coding: аппроксимация x² 01:58 — Начало написания модели на PyTorch 03:23 — Описание архитектуры модели 04:58 — Генерация данных и подготовка X и Y 06:11 — Выбор оптимизатора и гиперпараметров 07:10 — Реализация train loop 09:39 — Логирование и обработка ошибок 11:50 — Успешное обучение модели 12:24 — Перевод модели в eval и предсказания 13:26 — Визуализация с помощью matplotlib и numpy 15:40 — Вопрос про обобщение модели за пределы [-10, 10] 16:41 — Идея полиномиальных фич для идеальной аппроксимации 18:11 — Переход к вопросам Python: контекстные менеджеры 19:33 — Обсуждение метода exit и обработки исключений 20:50 — Внутреннее устройство list и сложность операций 22:13 — Поведение append и график времени выполнения 23:13 — Устройство dict, хэш-таблица и коллизии 25:27 — Стратегии разрешения коллизий и расширение таблицы 30:55 — Мутабельные и иммутабельные типы данных 32:00 — Использование объектов классов как ключей словаря 35:47 — Потоки и процессы, GIL и области применения 38:57 — Asyncio: преимущества и особенности по сравнению с тредами 42:17 — Предобучение BERT: MLM и NSP 43:01 — NSP и CLS-токен для агрегации 44:04 — Как использовать encoder без CLS токена для классификации? 45:04 — Атаки на pooling (mean / max) через специально сгенерированные токены 49:38 — Подведение итогов собеседования и выводы