Asosiy mazmunga o‘tish
🤖

ML muhandisi suhbatiga tayyorgarlik — modellashtirish + prodakshn tizimlari — Toshkent va Markaziy Osiyo muhandislari uchun

ML engineering suhbatlari modellashtirish chuqurligi va prodakshn qattiqligi ikkalasini ham tekshiradi — modelni qura olishingiz HAM uni deploy qila olishingizga ishontirishingiz kerak. Toshkent fintechlari va EU remote ish beruvchilari soʻraydigan savollarni mashq qiling — muloqot, texnik chuqurlik, masalalarni yechish va madaniy moslik bo'yicha real vaqtda AI bahosi bilan.

ML engineering — bu saytdagi rollardan eng kam uchraydigani Toshkentda va shu sababdan eng yaxshi haq to'lanadigani. Mahalliy fintechlar yollashni boshlamoqda (fraud, scoring, personalizatsiya), EU remote ish beruvchilar esa mahalliy data scientistga to'laydigan pulning 2 barobarini to'laydi. Suhbat formati shunga mos: chuqur modellashtirish savollari, chuqur tizim savollari va bo'shliqqa deyarli sabri yo'q.

Quyidagi savollar haqiqiy suhbatlardan olingan. Ovoz chiqarib mashq qiling — aksariyat ML nomzodlar suhbat oluvchi kutgan terminlarda model nega buzilganini tushuntira olmagani uchun taklifni yo'qotadi.

Asosiy tekshiriladigan ko'nikmalar

  • Klassik ML: regressiya, gradient boosting, kalibratsiya
  • DL asoslari: backprop, optimizerlar, regulyarizatsiya
  • Prodakshnda PyTorch (yoki TensorFlow)
  • Feature engineering va feature store
  • Model serving: batch va real-time, latency byudjeti
  • Eksperimentlar: oflayn ko'rsatkichlar va onlayn, A/B test
  • Monitoring: data drift, model drift, bashorat logging
  • Mustahkam Python + SQL asoslari

Toshkentdagi ish haqi oraliqlari (2026)

Taxminiy. Remote-first Yevropa lavozimlari odatda mahalliy stavkadan 30–50 foiz yuqori to'laydi.

Junior

oyiga 12–18 mln soʻm

Middle

oyiga 25–38 mln soʻm

Senior

oyiga 45 mln soʻm va undan yuqori (yoki remote'da EUR, ko'pincha mahalliy stavkadan 2x)

Sizdan aslida nima so'raladi

NextSuhbatda yozib olingan haqiqiy suhbatlardan to'plangan. Har bir element — kutiladigan savol va intervyu beruvchi aslida nimani tekshirayotgani.

  1. 1

    Rekruter screeningi

    Prodakshnga chiqargan eng murakkab model haqida so'zlang.

    Nega so'raladi: 2 daqiqa. Foydalanuvchiga qaratilgan qaror, model tanlovi, deploy shakli, harakatlangan ko'rsatkich.

  2. 2

    Texnik

    Gradient descent ni va amalda nega mini-batch ishlatishimizni tushuntiring.

    Nega so'raladi: DL roli darajasi. Xotira, regulyarizatsiya sifatida shovqin, GPU da parallelizm.

  3. 3

    Texnik

    L1 va L2 regulyarizatsiya farqi bitta aniq misol bilan.

    Nega so'raladi: Sparsity va smoothness. L1 — feature selection, L2 — koeffitsient barqarorligi.

  4. 4

    Texnik

    Prodakshnda data drift ni qanday aniqlaysiz?

    Nega so'raladi: Amaliy MLOps. PSI, KS test, bashorat taqsimoti monitoringi, harakat chegarasi.

  5. 5

    Texnik

    Fraud model chiqardingiz. Yangi fraud patterndagi recall — 12%. Nima qilasiz?

    Nega so'raladi: Xato tahlili, label sifati, feature bo'shliqlari, qayta o'qitish ritmi va parallel ML siz hotfix.

  6. 6

    Coding

    PyTorch da softmaxni qo'l bilan yozing.

    Nega so'raladi: Numerical stability sezgi. exp dan oldin max ni ayirish — aks holda overflow bilan yiqilasiz.

  7. 7

    Coding

    y_true va y_pred dan sklearn ishlatmasdan klass bo'yicha precision/recall hisoblovchi funksiya.

    Nega so'raladi: ML roli darajasi. Matematika muscle memory bo'lishi kerak.

  8. 8

    System design

    5M tovar va 50ms p99 serving byudjeti bilan recommendation tizimini loyihalang.

    Nega so'raladi: Candidate generation, ranking, embedding store, sovuq start va oflayn-onlayn baholash pipeline ini qoplab oʻting.

  9. 9

    Xulq-atvor

    Oflaynda zo'r, prodakshnda yomon ishlagan model haqida so'zlang.

    Nega so'raladi: Aniq hikoya. Distribution shift, feedback looplar, label leakage — barchasi haqiqiy sabablar.

  10. 10

    Xulq-atvor

    Masala ML talab qilishini umuman qanday hal qilasiz?

    Nega so'raladi: Hukm testi. Kuchli javoblar evristika, SQL qoidasi yoki config kalit yetadigan paytni keltiradi.

Bu savollarni ovoz chiqarib mashq qiling — bepul

O'qish — mashq emas. 20 daqiqalik AI mok-suhbatni ingliz, rus yoki o'zbek tilida o'tkazing va muloqot, texnik chuqurlik, masalalarni yechish va madaniy moslik bo'yicha ball varaqasini oling.

Bepul mok-suhbatni boshlash

Markaziy Osiyo uchun Toshkentda yaratilgan. Barcha sessiyalar ingliz, rus va o'zbek ovozini qo'llab-quvvatlaydi.

Mavzu bo'yicha o'qish