Вопросы на собеседовании: Machine Learning

Получается, вы как рекрутер или как тимлид?

С какими данными XML для эссонами от источника внешних дел?

Какой правильный путь предобработки фичей перед подачей в логистическую регрессию?

Как вы обрабатываете категориальные фичи с большим числом уникальных значений (например, 100 категорий)?

Ванхот, weight of evidence и target rate кодирование, то можете плюс-минус каждого из них назвать?

Какие основные отличия между бустингом и Random Forest?

Почему в Random Forest все деревья получаются разными?

В чём отличие валидационной выборки от тестовой?

Как применяется валидационная выборка в процессе обучения модели и как применяется тестовая выборка?

По каким критериям вы выбираете модель? Назовите критерии, которые используете.

И какой алгоритм у вас, что в таком случае ничего не надо делать, модель по-прежнему хорошо работает?

Как устроен полный процесс построения ML-модели?

Была ли какая-то задача, книга или ресурс, которые помогли вам значительно продвинуться вперёд в ML?

Как вы определяете пороговое значение для принятия решения? Используете ли threshold больше 0.5?

Какие специализированные метрики применяются для данной задачи?

Как вы собираете кумулятивную сумму по каждому клиенту на каждый момент покупки?

Зачем использовать F1-меру, если нет дисбаланса классов?

Какие модели PD использовались? Логистическая регрессия, CatBoost?

Модель выносите как на бой? То есть это отдельный какой-то ML-контур есть?

Как к вам приходят клиенты? Откуда берутся заявки?