ML Engineer Interview Copilot Ranking, recommendations, training infra — लाइव।

1. 01

   ML system design — छह scaffolds

   Recommender, ranking, search, fraud, ads, ML platform। हर एक का अपना scaffold है: candidate generation strategy, scoring stage, re-ranking, feature pipeline, training cadence, online evaluation। Interviewer जैसे ही सवाल बताता है, copilot सही scaffold चुन लेता है।
2. 02

   Training-infra राउंड

   Distributed training के सवालों (data-parallel बनाम model-parallel बनाम pipeline-parallel, gradient accumulation, gradient checkpointing, mixed precision, ZeRO partitioning) का ढाँचा उसी असली trade-off के साथ मिलता है — memory pressure बनाम throughput बनाम convergence — जिसे एक senior MLE से समझाने की उम्मीद होती है।
3. 03

   बड़े पैमाने पर inference

   KV-cache management, request batching, speculative decoding, quantisation (int8 / int4 / FP8 के trade-offs), TTFT बनाम कुल latency, GPU utilisation। Copilot सवाल को मानक bottleneck से जोड़ता है और उसे दूर करने के तरीक़ों से गुज़ारता है।
4. 04

   Offline ↔ online metrics का मेल

   ज़्यादातर ML loops में यह जाल वाला सवाल होता है: "आपका offline NDCG 3% बढ़ा, पर online CTR गिर गया — क्यों?" Copilot मानक वजहें गिनाता है (training-serving skew, feature lag, position bias, novelty, distribution shift) और उन्हें जाँचने का सही क्रम भी।
5. 05

   Feature stores + leakage से बचाव

   Feature engineering राउंड में बाज़ी मारना भी आसान है और फ़ेल होना भी। Copilot leakage के प्रकार (label leakage, time leakage, train/serve skew), feature-store का फ़ैसला (offline बनाम online बनाम unified) और point-in-time correctness की गारंटी का ढाँचा देता है — सब interview की लंबाई वाले जवाबों में।
6. 06

   Coding राउंड — PyTorch / TensorFlow internals

   एक custom loss लागू कीजिए। Attention के साथ forward pass लिखिए। Gradient हाथ से निकालिए। इन राउंड में autograd semantics, eager बनाम graph mode और nn.Module बनाम functional pass के फ़र्क पर पकड़ से नंबर मिलते हैं। Copilot आपको मानक रास्ते पर बनाए रखता है।

MLE loops system thinking पर नंबर देते हैं। पूरा system लेकर जाइए।

छह ML system-design scaffolds। Senior MLE के लिए बना।