500 собесов по ML — вот что нужно учить

00:00 Вступление: что учить для ML и Data Science 01:12 500 собеседований: источники и направления 01:56 Как считалась частота вопросов 03:07 Банк вопросов и практика на Нарешке 04:14 Частые темы и доверительные интервалы 05:09 ML Classic: бустинг и базовые темы 06:51 NLP и LLM: чем отличаются собеседования 09:27 Что учить, а что можно пропустить 11:14 Live coding: где брать реальные задачи 12:07 311 задач: почему одного LeetCode мало 13:31 Python, SQL, алгоритмы и ML с нуля 16:01 Пазлы: вероятность и статистика 19:24 ML System Design: структура и разборы 22:07 Data Science и аналитика: A/B-тесты и метрики