Какие задачи классификации вы решали и на каком уровне — учебном или рабочих задачах?

Что проверяют

Насколько ваш опыт классификации практический и честно ли вы отделяете учебное от рабочего. Следом почти всегда идут уточнения по одному из примеров: почему такая метрика, как валидировали, что стало с моделью после обучения.

Как отвечать

Возьмите два-три своих примера, лучше разных по типу: бинарная задача с дисбалансом, мультикласс, текст. Для каждого пройдите по одной схеме:

• постановка: что считается классом, откуда метки, какой баланс классов, какая ошибка дороже, ложное срабатывание или пропуск;
• baseline: с чем сравнивали. Не со случайным угадыванием, а с правилом, частотным классом или логистической регрессией;
• модель и признаки: например, LogisticRegression на TF-IDF для текстов, градиентный бустинг (CatBoost, LightGBM) для табличных данных, дообученный трансформер, если данных много;
• валидация: стратифицированная кросс-валидация, а для данных со временем разбиение по времени, иначе в обучение утекает будущее;
• метрика: F1, ROC-AUC или PR-AUC, recall при заданной точности, и почему выбрали именно её, плюс выбор порога и калибровка вероятностей;
• итог: попала ли модель в прод, как её мониторили, какой эффект измерили.

Цифры давайте свои и с контекстом: «PR-AUC 0,41 против 0,28 у правил на отложенном месяце» звучит сильнее круглых процентов.

Если рабочих задач не было, так и скажите и перенесите вес на глубину учебной: соревнование, диплом, пет-проект. Покажите анализ ошибок, работу с дисбалансом и то, что вы сделали бы иначе в продакшене. Честное «учебный проект, но вот что я в нём разобрал» принимают лучше, чем выдуманный прод.

Где спотыкаются

Выдают учебную задачу за рабочую. Это вскрывается на первом вопросе про задержку ответа, мониторинг или про то, откуда брались свежие данные.

Хвалятся accuracy 85% и сравнивают со случайным предсказанием. На несбалансированных данных это ничего не говорит, и интервьюер попросит precision и recall.

Приписывают модели бизнес-эффект вроде «удержание выросло на 10%», не имея A/B-теста. Без контрольной группы честнее сказать, что эффект кампании отдельно не измеряли.