Стать ML/AI инженером с зп 5000$ / Как пройти собеседование без опыта

Разбираем собес на позицию ML Engineer. Кринжовые ответы кандидата, пофигизм интервьюера, итог - оффер на $5000. Обсудили самопрезентация, NLP, LLM, RAG, лайвкодинг, ML-метрики. Разобрали большой кейс: дизайн ML-сервиса + разметка данных Таймкоды: 00:00 — Что за вакансия и кого вообще ищут 02:12 — План интервью и как обычно устроены секции NLP-собесов 03:02 — О компании и чем предстоит заниматься кандидату 07:11 — Неудачное вступление кандидата и его разбор 10:10 — Самопрезентация кандидата: опыт и ключевые проекты 14:30 — Разбор самопрезентации: чего не хватило в рассказе 16:06 — Углубление в кейс кандидата: бизнес-ценность, пайплайн, NER/сентимент, алерты, терминология 22:43 — Роль кандидата в проекте 26:04 — Какая структура команды была на проекте 28:48 — Разбор ошибок: "как отвечать на вопрос «что конкретно делал ты?" 34:27 — Техническая часть: лайвкодинг с отключением AI-помощников 36:11 — Задача 1: поиск дубликатов в списке (важные советы) 42:55 — Задача 2: Сравнение объектов класса 50:30 — Теория ML и метрики: классификация, микро/макро, encoder-decoder, BERT/эмбеддинги, лоссы 58:31 — Технология LoRA: как дообучать LLM эффективно 1:02:05 — Метрики RAG-систем: Recall@k, Precision@k 1:04:54 — Кейсовая часть: валидация ответов агентов CRM с помощью нейронки 1:06:05 — Уточняющие вопросы по кейсу: скорость ответа, нагрузка, разметчики 1:09:36 — Бизнес-метрики vs Технические метрики: Latency, Конверсия, F1-макро 1:17:50 — Данные и разметка: где брать “плохие” кейсы...