Вопросы на собеседовании: Machine Learning

Почему при использовании перекодировки для категориальных признаков возникают проблемы с высокоразмерными данными?

Как можно формально доказать, что модель переобучается?

Как обрабатывать частые рисковые события в компании с помощью ML?

Какой смысл в переработке/обработке данных, если процесс кажется сложным?

Что нам говорят полученные результаты и как действовать дальше?

Как определить, какую модель лучше запустить в production? На какие параметры, кроме метрик, стоит обращать внимание?

В точки зрения бизнес-показателей, вот когда мы будем презентовать нашу модель, нашему бизнес-заказчику, о чем мы будем говорить?

Плюс, да, если мы, например, сравним с предыдущей моделью, как мы можем бизнесу объяснить, что наша текущая модель, вот, которую мы сделали лучше?

Как измерить качество модели на языке бизнеса?

На какой выборке следует сравнивать Gini коэффициент старой и новой модели?

и Gini нашей новой модели будет больше, можем ли мы сказать, что да, вот, 100% наша новая модель работает лучше, чем старая? Релевантны ли Gini сравнивательные на этой выборке?

Говорит ли нам это о том, что новая модель точно лучше старой?

У нас остается 4 минуты конференции, может быть у тебя есть какие-то ко мне вопросы по локансии?

У вас много задач — и фрод, и другие. Какой приоритет? Сначала PD-модели?

А может спрашивать по следующим этапам у нас, какие еще этапы остаются?

Query в механизме attention — это и есть наш входной запрос, верно?

Вы ещё учитесь или уже имеете опыт работы?

Вы используете Git для контроля версий?

Можете привести примеры — почему они относятся к этой категории?

При поиске двух максимумов: что будет записано в первом и втором максимуме, когда встретилась семёрка?