Question Bank
Machine Learning interview questions
Naming a model or a metric is only the start of an interview answer. Explain why it fits the task, and connect training, regularization, validation and evaluation to a concrete example. Start with your own explanation, then state its assumptions and limitations.
Showing 20 of 746 questions
А какие вот NLP CV, раздача классификации, по каким метрикам оценивали в той задачи?
Категориальный признак. А где-нибудь перекодирование я ее делаю?
а какие варианты перекодирования вы предложили глядя?
А варианты скейлеров? Здесь стандартный вариант. Какие еще помните?
И может, стоило бы, кроме bagging, какие-то другие варианты ансамблирования перебрать, посмотреть, какие применяли?
А что представляет вариант ансамблирования stacking? Какая разница stacking и blending?
А что собой представляет bootstrapping и Why называется лес случайным?
Здесь она у нас не прописана. Где, где, где? В Метрикс, F1 Score?
Да, вот accuracy я могу сказать это точность моделей. Precision как могу обозвать?
и Why именно вы конкретно в этом кейсе не совсем, скажем так, виноваты, причастны?
Вызовем этот потом SHEP для интерпретации результатов и Explain
А кроме MLflow, что еще узнаете, слышали, что еще можем?
А так вот Fast-OP, где-то да, Fast-OP можно, но если мы вот, нам же Fast-OP что отдаст?
и да, здесь, как бы вы сказали ответ, какие-то модификации биртов?
А What реализации BoostGly ты do you know? Вот какие, может быть, ты используешь каждый день?
Prepare for your next interview with Vibe Interview.
Download Vibe Interview