Остались вопросы?

напишите нам в Telegram, ответим на все вопросы

Мок-интервью в области Computer Vision

Мок-интервью
Мок-интервью
Пройдите тренировочное собеседование на любой грейд с обратной связью от опытных инженеров
beta

Мок-интервью выявит слабые места

Безопасная среда

Полный фидбек

Интервьюеры – опытные инженеры

Симуляция настоящего собеседования

Комфортная атмосфера, где можно ошибаться
Развёрнутый отзыв подсветит сильные и слабые места
Каждый в индустрии больше 5 лет
На настоящих интервью собеседующий задаёт те же или похожие вопросы
и поможет подготовиться к собеседованию

Кто собеседует

Prequel
Александр Ковальчук
Решает генеративные задачи в Prequel с помощью GAN’ов и диффузии: img2img задачи и real-time модели, работающие прямо на камере телефона. До генеративных моделей работал в Сбере с различными задачами: от предиктивной аналитики до OCR.
Kudan SLAM
Tech Lead в Kudan Limited, улучшает SLAM-алгоритмы для ориентации роботов в пространстве. В 3DCV 8 лет.
Игорь Ильин
Работает в ML 8 лет. Проведёт собеседование как на классическую CV-позицию, так и с уклоном в генеративные модели
Ходит на собеседования раз в месяц, поэтому знает почти всё, что сейчас спрашивают на интервью на SLAM-позиции
GenCV
3D Computer Vision
3D reconstruction
SLAM
SfM
Нейронные сети на мобильных устройствах
Computer Vision
verigram.ai
Андрей Шадриков
enot.ai
Александр Гончаренко
R&D Team Lead в verigram. Ребята занимают 1 место в топе главного бэнчмарка для задач верификации, NIST. У Андрея 7 лет индустриального опыта.
CTO в ENOT.ai — стартапе, который специализируется на ускорении нейросетей. В ML/DL более 10 лет.
В команде занимается настройкой процессов тестирования моделей, автоматизацией всего цикла жизни моделей, разработкой продуктовый фичей. Организовывает треки по CV на ODS DataFest
С командой побеждали в различных соревнованиях по ускорению сетей, оставляя позади Qualcomm и Amazon. Последняя победа на LPIRC в 2023 — в треке «самая точная модель среди быстрых»
Теория нейронных сетей
Оптимизация
Ускорение
ML System Design
Разные подходы разработки моделей
НИИАС
Дмитрий Раков
Руководит командой ML, которая занимается разработкой беспилотных поездов в AO НИИАС. Ребята поставили в РЖД уже 4 модификации поездов, которые успешно прошли испытания. Помимо привычных камер в работе используют лидары и тепловизоры для надёжной детекции.
EPAM
Руководит CV командой в EPAM. Выстраивает инженерные практики в ML-командах. Работал как с привычными задачами для CV: Object Detection, OCR, так и с не очень привычными: виртуальной примеркой одежды и 3D-реконструкцией мебели.
Егор Осинкин
На работе занимается 3D-компьютерным зрением, MLOps и ускорением моделей
2D and 3D perception
Оптимизация
Deployment
Большой опыт в бэкенде, DevOps и облачной инфраструктуре
Computer Vision
Python
Бэкенд разработка
MLOps
Prequel
Александр Ковальчук
Решает генеративные задачи в Prequel с помощью GAN’ов и диффузии: img2img задачи и real-time, модели, работающие прямо на камере телефона. До генеративных моделей работал в Сбере с различными задачами: от предиктивной аналитики до OCR.
Kudan SLAM
Tech Lead в Kudan Limited, улучшает SLAM-алгоритмы для ориентации роботов в пространстве. В 3DCV 8 лет.
Игорь Ильин
Работает в ML 8 лет. Проведёт собеседование как на классическую CV-позицию, так и с уклоном в генеративные модели
Ходит на собеседования раз в месяц, поэтому знает почти всё, что сейчас спрашивают на интервью на SLAM-позиции
GenCV
3D Computer Vision
3D reconstruction
SLAM
SfM
Computer Vision
Нейронные сети на мобильных устройствах
verigram.ai
Андрей Шадриков
enot.ai
Александр Гончаренко
R&D Team Lead в verigram. Ребята занимают 1 место в топе главного бэнчмарка для задач верификации, NIST. У Андрея 7 лет индустриального опыта.
CTO в ENOT.ai — стартапе, который специализируется на ускорении нейросетей. В ML/DL более 10 лет.
В команде занимается настройкой процессов тестирования моделей, автоматизацией всего цикла жизни моделей, разработкой продуктовый фичей. Организовывает треки по CV на ODS DataFest
С командой побеждали в различных соревнованиях по ускорению сетей, оставляя позади Qualcomm и Amazon. Последняя победа на LPIRC в 2023 — в треке «самая точная модель среди быстрых»
Теория нейронных сетей
Оптимизация
Ускорение
ML System Design
Разные подходы разработки моделей
НИИАС
Дмитрий Раков
Руководит командой ML, которая занимается разработкой беспилотных поездов в AO НИИАС. Ребята поставили в РЖД уже 4 модификации поездов, которые успешно прошли испытания. Помимо привычных камер в работе используют лидары и тепловизоры для надёжной детекции.
EPAM
Руководит CV командой в EPAM. Выстраивает инженерные практики в ML-командах. Работал как с привычными задачами для CV: Object Detection, OCR, так и с не очень привычными: виртуальной примеркой одежды и 3D-реконструкцией мебели.
Егор Осинкин
На работе занимается 3D-компьютерным зрением, MLOps и ускорением моделей
2D and 3D perception
Оптимизация
Deployment
Большой опыт в бэкенде, DevOps и облачной инфраструктуре
Computer Vision
Python
Бэкенд разработка
MLOps
Нейронные сети на моб. устройствах

Как проходит

Уточняем удобное время

60 минут — hard-skills интервью

20 минут — рефлексия

Отдаём запись и рекомендации

Примеры вопросов

Собеседуем на разные уровни: от Junior до Senior

Вопрос 1/5

Допустим, у нас есть сервис обнаружения пешеходов и машин по камерам видеонаблюдения. Мы хотим добавить возможность проверять, где двигается тот или иной объект, по тротуару или по автомобильной дороге. Это может быть полезно для анализа дорожного трафика, или оценки опасности участка. Как начать решение этой задачи? Нужно ли собирать руками какие-то дополнительные данные?

Вопрос 2/5

Архитектуры для CV задач прошли большой эволюционный путь от AlexNet и VGG до современных архитектур, одной важной вехой стали skip connections. Для чего они нужны? Чем они оказались полезны? Какие ещё значимые архитектурные нововведения ты можешь вспомнить?

Вопрос 3/5

Известно, что инициализация весов 0 скорее вредит, нежели помогает сети. Докажите это на примере сети VGG. Приведите пример, когда это может помочь

Вопрос 4/5

Назовите типичные ошибки при разметке данных. Как наличие ошибок может отражаться на результатах обучения?

Вопрос 5/5

Как лучше поставить активацию a: a(x + F(X)) или x + a(F(X))?

Оставьте заявку на интервью

Мы напишем вам, подберём удобное время и уточним ваши пожелания: желаемый грейд, область и тип интервью
Выявим слабые стороны
Что будет на интервью:
10 490 ₽
4 990 ₽
Отдадим запись встречи
Прокомментируем ответы
И напишем рекомендации
−52%