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
Как PCA (Principal Component Analysis) помогает в отборе фичей?
а есть признаки, есть методы, которые не зациклены на том, что у тебя есть уже обученная модель?
А знаешь что-нибудь про методы, которые заменяют часть признаков какими-то случайными параметрами?
Как данные о продажах за весь вчерашний день могут помочь вам предсказать продажи на следующий час?
Что такое проблема затухающего градиента (vanishing gradient) и как её решают?
или там полтора. Вот, но такой критерий он как бы достаточно для того, чтобы в промо-модель катить?
Сколько из предложенных результатов асессор оценил как релевантные?
Релевантность товара — это бинарная величина? Товар либо релевантен, либо нет?
Как бы ты предложил этот алгоритм составить?
Что за метрика? Что такое метрика @K (precision@K, recall@K)?
На основе каких меток (labels) будем считать метрику?
По данным, что можно пользовательские действия взять?
Какие ещё фичи можно взять? Например, время на сайте, частота посещений определённых категорий?
Какие ещё поведенческие фичи можно использовать — частота покупок, средний чек?
Как получить вектор (embedding) по кандидату с помощью Word2Vec?
Что известно про свойства этих векторов (embeddings)?
Может ли быть так, что это случайные вектора случайной размерности?
Как с точки зрения машинного обучения обосновывается использование эмбеддингов?
Как выглядит ваша типичная рабочая неделя? Какие встречи проводились?
Подготовьтесь к следующему интервью с Vibe Interview.
Скачать Vibe Interview