Вопросы на собеседовании: Machine Learning

Расскажите про эту модель — как она работает?

Правильно ли я понимаю, что у вас под капотом были не временные ряды, а табличная модель?

Как вы технически соединили несколько источников данных?

У вас была таблица соответствия (маппинг) для объединения данных? Как это выглядело?

Какую метрику использовали для оценки успешности A/B-тестов?

Как вы получали фичи — data engineer готовил их по запросу?

При расчёте кумулятивной суммы за 3 платежа — какое число получится для клиента Васи?

Какие примеры задач могут быть решены с помощью машинного обучения?

Почему тип object в pandas можно преобразовать в category?

Что значит «горизонт прогноза = 4» в контексте baseline-модели?

Как объявления могут быть аномальными в контексте машинного обучения?

То есть, ты как-то его переобучал, или ты же ее поставил на какой-то пайплайн, либо же просто передал саму модель, или там, ноутбучик?

То есть весь pipeline проходил все итерации, а предобученная модель просто скорила новые данные?

Вы разбивали значения на бакеты (bins) или использовали конкретные номинальные значения для агрегации?

Как лучше работать с моделью бустинга в случае сильного дисбаланса классов?

Как бы ты тут отобрал бы признаки, в каком порядке, алгоритм?

Каким образом приходилось сплетовать данные на то, чтобы обучить, обучиться, не переобучиться, замерить метрики? Как это делается твоей задачей?

При выборе между F-мерой и ROC-AUC — в каких случаях что лучше использовать?

Как бы это было бы удобно сделать, почитать по датасету?

При выборе нового места работы как data scientist, на что вы ориентируетесь?