Какую операционную систему и конфигурацию локального компьютера вы используете
Что проверяют
Насколько уверенно вы живёте в Linux и терминале, воспроизводимы ли ваши окружения и где вы на самом деле обучаете модели. Следом обычно спрашивают, как вы переносите окружение на сервер или в CI и как работаете с GPU.
Как отвечать
Характеристики железа важны меньше, чем рабочая схема. Каркас такой:
- ОС: Linux (Ubuntu актуальной LTS-ветки), macOS или Windows с WSL2. Для ML-стека Linux удобнее всего: драйверы NVIDIA и CUDA ставятся штатно, и прод почти всегда тоже на Linux;
- окружения:
venvсuvилиpip-tools, либо conda через miniforge и канал conda-forge. Главное, чтобы зависимости были зафиксированы в lock-файле и окружение поднималось одной командой; - Docker: образ с нужной версией CUDA, а драйвер остаётся на хосте и пробрасывается через NVIDIA Container Toolkit. Так у вас и на сервере всё работает одинаково;
- GPU: для обучения решает объём видеопамяти, а не частота процессора. Локальная карта годится для отладки и небольших моделей, тяжёлое обучение идёт на удалённых машинах или в облаке;
- удалённая работа: VS Code или PyCharm через SSH, JupyterLab на сервере,
tmux, чтобы обучение не обрывалось вместе с сессией ноутбука.
На Mac с Apple Silicon скажите прямо: CUDA там нет, PyTorch использует бэкенд mps, поэтому ноутбук для прототипа, а обучение на сервере с NVIDIA.
Где спотыкаются
Зачитывают спецификацию как на форуме геймеров: модель процессора, объём HDD. Интервьюеру важнее, как вы обеспечиваете воспроизводимость и где лежат данные.
Называют устаревшее: Ubuntu 20.04 и Windows 10 уже вышли из стандартной поддержки, и это сразу вопрос, обновляете ли вы окружение. С Anaconda тоже аккуратно: у её дефолтного канала есть лицензионные ограничения для коммерческих организаций, поэтому в компаниях чаще берут conda-forge.
Говорят, что держат рабочие датасеты на личном ноутбуке. Для данных с персональной информацией это нарушение политики безопасности. Правильный ответ: данные на сервере или в хранилище, локально только обезличенная выборка.