NumPy: вопросы на собеседовании

Вопросы и ответы по NumPy: подготовка, примеры и типичные ошибки.

1. Как работает broadcasting в NumPy? Опишите правила и приведите пример.
   Middle· спрашивают почти всегда· полный разбор — Jobs/Boost
2. В чём разница между np.copy() (глубокое копирование) и представлением (view, поверхностное копирование) в NumPy?
   Middle· спрашивают почти всегда· полный разбор — Jobs/Boost
3. Как расположение памяти (C-order vs Fortran-order) влияет на производительность массивов NumPy?
   Senior· спрашивают почти всегда
4. В каких data/AI-задачах NumPy даёт реальный выигрыш, а где лучше выбрать другой инструмент или более простой pipeline?
   Middle· спрашивают почти всегда· полный разбор — Jobs/Boost
5. Что такое NumPy и почему он быстрее нативных списков Python для числовых вычислений?
   Junior· спрашивают почти всегда· полный разбор — Jobs/Boost
6. Что такое универсальные функции (ufuncs) в NumPy и почему они эффективны?
   Middle· спрашивают почти всегда
7. Как работают np.argmax(), np.argmin() и np.argsort() и когда они полезны?
   Junior· полный разбор — Jobs/Boost
8. Как использовать булево индексирование для фильтрации массивов в NumPy?
   Junior
9. Что такое np.clip() и в каких сценариях ML-пайплайнов он часто используется?
   Middle· полный разбор — Jobs/Boost
10. Что такое fancy indexing в NumPy и чем он отличается от индексирования срезами?
    Middle
11. Что такое np.linalg и какие операции линейной алгебры он предоставляет (inv, eig, svd, solve)?
    Middle· полный разбор — Jobs/Boost
12. Как выполнять матричное умножение в NumPy — @, np.dot() и np.matmul() — в чём разница?
    Middle· полный разбор — Jobs/Boost
13. Каковы атрибуты ndarray: shape, dtype, ndim, size и strides?
    Junior
14. В чём разница между массивом NumPy и списком Python?
    Junior· полный разбор — Jobs/Boost
15. Как проверять корректность решения на NumPy, а не только успешное выполнение кода?
    Senior
16. Представьте, pipeline на NumPy даёт хорошие результаты в dev, но плохо работает на новых данных. Как вы будете разбираться?
    Senior· полный разбор — Jobs/Boost
17. Какие ключевые абстракции NumPy нужно понимать, чтобы не получать формально рабочие, но неверные результаты?
    Middle
18. Как сравнить NumPy с альтернативами по качеству, скорости экспериментов, масштабированию, воспроизводимости и production-интеграции?
    Senior· полный разбор — Jobs/Boost
19. Какие риски есть у NumPy: data leakage, неверная оценка качества, memory usage, latency, cost, drift или observability?
    Senior· полный разбор — Jobs/Boost
20. Какие ошибки делают команды, когда переносят notebook/prototype-подход на production data/AI pipeline?
    Senior· полный разбор — Jobs/Boost
21. Как работает np.pad() и какие режимы дополнения доступны?
    Middle
22. В чём разница между np.random.seed() и np.random.default_rng() (новый Generator API)?
    Middle· полный разбор — Jobs/Boost
23. В чём разница между ravel() и flatten() — когда каждый из них возвращает view, а когда копию?
    Middle
24. Как загружать и сохранять массивы NumPy с помощью np.save(), np.load() и np.savez()?
    Middle· полный разбор — Jobs/Boost
25. Что такое np.unique() и что делают параметры return_counts и return_index?
    Middle· полный разбор — Jobs/Boost
26. Как работает np.where() и каковы его типичные сценарии использования?
    Junior
27. Чем отличаются np.concatenate(), np.vstack(), np.hstack() и np.stack()?
    Junior
28. Что такое np.einsum() и когда его следует предпочесть стандартным операциям над массивами?
    Senior· полный разбор — Jobs/Boost
29. В чём разница между np.float32 и np.float64 и когда выбор dtype имеет значение?
    Senior· полный разбор — Jobs/Boost
30. Как обрабатывать NaN-значения в NumPy — np.nan, np.isnan(), np.nanmean(), np.nansum()?
    Junior· полный разбор — Jobs/Boost
31. Какие ошибки вызывает dtype overflow и неявное приведение типов?
    Middle· полный разбор — Jobs/Boost
32. Расскажите о случае, когда вы использовали NumPy для pipeline, evaluation, optimization, deployment или debugging.
    Middle
33. Как strides и memory layout (C-contiguous/F-contiguous) влияют на производительность?
    Middle
34. Как эффективно вычислять попарные расстояния между строками двух массивов в NumPy?
    Senior· полный разбор — Jobs/Boost
35. Как NumPy и тензоры PyTorch взаимодействуют друг с другом и каковы нюансы совместного использования памяти между ними?
    Senior· полный разбор — Jobs/Boost
36. Как использовать np.vectorize() и каковы его ограничения производительности по сравнению с настоящими ufuncs?
    Senior· полный разбор — Jobs/Boost
37. Как использовать np.apply_along_axis() и когда это уместно по сравнению с векторизованными операциями?
    Middle
38. Что такое манипуляция stride в NumPy и как работает np.lib.stride_tricks.as_strided?
    Senior· полный разбор — Jobs/Boost
39. Что такое np.meshgrid() и для чего он обычно используется?
    Middle· полный разбор — Jobs/Boost
40. Что такое структурированные массивы (structured arrays) в NumPy и когда их следует использовать?
    Middle· полный разбор — Jobs/Boost