Какие библиотеки используете для решения типичных задач машинного обучения

Что проверяют

Есть ли за списком библиотек реальная работа: какую задачу вы решали, почему взяли именно этот инструмент и где он подвёл. Следом почти всегда просят подробно рассказать про один проект или сравнить два инструмента, например бустинги между собой.

Как отвечать

Стройте ответ по этапам работы и к каждому инструменту привязывайте свою задачу:

• данные: pandas для табличной работы, polars для больших таблиц, где важны скорость и ленивое выполнение, NumPy под всем этим, pyarrow для Parquet;
• классическое ML: scikit-learn с Pipeline и ColumnTransformer, чтобы предобработка обучалась только на трейне, плюс cross_val_score и GridSearchCV;
• табличные данные в проде: градиентный бустинг CatBoost, LightGBM, XGBoost. CatBoost удобен с категориальными признаками без ручного кодирования;
• нейросети: PyTorch как основной фреймворк, transformers и sentence-transformers для текстов, TensorFlow и Keras чаще встречаются в унаследованных проектах;
• подбор гиперпараметров: Optuna;
• эксперименты и воспроизводимость: MLflow для трекинга и реестра моделей, DVC для версий данных, окружение через uv, poetry или conda;
• анализ и интерпретация: matplotlib, seaborn, SHAP, statsmodels для статистики и временных рядов.

Для каждого пункта держите в голове пример из своей практики и цифру: объём данных, время обучения, прирост метрики. Если опыта с чем-то нет, так и скажите: «с polars работал только в учебном проекте, в проде использовал pandas». Честная граница выглядит сильнее, чем перечисление всего, что встречалось в статьях.

Где спотыкаются

Перечисляют два десятка названий без контекста. Первый же вопрос «почему LightGBM, а не CatBoost на этих данных?» показывает, что выбора не было.

Обучают StandardScaler или энкодер на всём датасете до разбиения. Это утечка данных, валидация получается завышенной, а Pipeline решает проблему целиком.

Молчат про развёртывание. Модель в ноутбуке и модель в сервисе это разные задачи: сериализация, ONNX или сервис на FastAPI, мониторинг дрейфа. Без этого вас воспринимают как аналитика, а не как ML-инженера.