Банк вопросов
Вопросы на собеседовании: Machine Learning
На собеседовании недостаточно назвать метрику или модель: нужно объяснить, почему вы выбрали её для задачи. Проверьте, можете ли вы связать обучение, регуляризацию, валидацию и оценку качества с конкретным примером. Сначала ответьте своими словами, затем уточните допущения и ограничения.
Показано 20 из 746 вопросов
А что ты слышал про модель, там, ILS такую, или нет? Или SVD может быть?
Что ты знаешь о преобразовании Бокса-Кокса (Box-Cox)?
На каких тестовых строках (примерах) ты будешь проверять решение?
Как она могла модель обучить, фичи достать?
Что происходит с данными на стадии Map в MapReduce?
Нужно ли дальше дробить эти элементы на более мелкие части?
Почему значение не может уйти выше определённого предела?
Если мы определили, что сообщение спамное, что нужно делать дальше?
Как определить, что проблема существует и что это действительно проблема?
Как планируете использовать выбранные методы машинного обучения и для каких целей?
Как зафиксировать факт деградации качества модели, насколько сильно оно падает и определить приемлемость такого снижения?
На какие метрики вы смотрите в A/B-тесте? Какие метрики обычно сравниваются?
В чём основная идея борьбы со спамом и как это может помочь бизнесу?
Какое хранилище данных следует использовать для сообщений в системе?
Как оценить связь (корреляцию) между двумя случайными величинами?
И в каких случаях медиана будет отличаться от среднего и каким образом?
Почему порог 0.15, а не 0.20? Это зависит от принятых в компании стандартов?
Почему это плохо, даже если мы знаем о проблеме? Можем ли мы этим управлять?
Подготовьтесь к следующему интервью с Vibe Interview.
Скачать Vibe Interview