Вопросы на собеседовании: Machine Learning

Какие модели можно использовать для детекции фрода?

Логистическая регрессия и бустинг — есть ли отличия по количеству ошибок (bad cases)?

В чём идея объединения моделей в ансамбль? Чего мы хотим этим добиться?

Какая у тебя есть альтернатива к выкидыванию этих признаков из выборки?

Какие модели вы сейчас используете в продакшене?

Не, я имею ввиду таргетом у самой модели. То есть на что ты обучал модель, что оттоком являлось?

Что вы считаете оттоком клиента? Какое состояние означает, что клиент «оттёк»?

Вы прогнозируете состояние клиента через месяц. В какой момент вы начинаете коммуникацию, чтобы предотвратить отток?

Если клиента нет уже месяц или больше, в какой момент мы начинаем принимать меры по удержанию?

Какая это была задача — прогнозирование временных рядов (Time Series) или обычная регрессия?

Какие методы прогнозирования временных рядов вы знаете?

Что происходило дальше с моделями, которые ты разрабатывал? Они выводились в продакшен?

Почему мы не можем использовать более сложную модель?

Где граница, после которой данных или признаков становится «много»?

Как определить, что CatBoost переобучился?

Подолжим, что мощности есть. А как cross-validation помогает бороться с переобучением?

Расскажи, как ты подходишь к решению ML-задачи? Какие этапы проходишь?

Клиент колеблется — уехать или нет. Нужно решить, давать ли скидку. Как ты подойдёшь к этой задаче?

Как определить уверенность модели в том, что клиент совершит целевое действие (например, поедет или не поедет)?

Как вы формируете сессии пользователя для использования в модели? Что означает понятие «сессия»?