Какая задача была самая трудная в исполнении и почему

Что проверяют

Масштаб задач, которые вам доверяли, и то, как вы действуете, когда очевидный путь не работает. Интервьюеру важна не драма, а инженерная причина сложности и ваш личный вклад. Следом спрашивают, что бы вы сделали иначе и как проверили, что решение действительно помогло.

Как отвечать

Выберите задачу, где сложность была технической или связанной с данными, а не в том, что мешали коллеги. Для data science и data engineering хорошо подходят:

• утечка в валидации: офлайн-метрика отличная, а в проде модель проседает. Разбор, где признак подсматривал в будущее, и переход на валидацию по времени;
• расхождение офлайн и онлайн: признаки для обучения считались в Spark, а в сервисе по-другому, и распределения разъехались;
• перекос данных в Spark: одна партиция с горячим ключом держит весь джоб, помогли salting или broadcast join;
• опоздавшие данные и перезаливки: витрину пришлось сделать идемпотентной, чтобы повторный запуск не задваивал строки.

Каркас рассказа: контекст в двух фразах, почему было трудно, что пробовали и что не сработало, итоговое решение, результат в метрике с базовой линией. Обязательно своя роль: «я предложил», «я написал», а не только «мы». Цифры нужны ваши и честные. Если бизнес-эффект вам не показывали, говорите о технической метрике: например, PR-AUC выросла с 0,31 до 0,38 или джоб сократился с шести часов до сорока минут.

Если опыт небольшой, берите учебный проект, соревнование или диплом, но с тем же разбором: где застряли и как выбрались. Это честнее и сильнее, чем выдуманный кейс уровня руководителя.

Где спотыкаются

Называют accuracy на задаче с дисбалансом классов. При 5% оттока модель, которая всегда отвечает «не уйдёт», получает 95%, и интервьюер это знает.

Приписывают модели бизнес-эффект без эксперимента: «отток снизился на 15%». Без A/B-теста или хотя бы контрольной группы такое утверждение разваливается на первом уточнении.

Рассказывают только про успех. Хороший ответ содержит тупик, который вы честно прошли, и вывод, который вы применяете сейчас.