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
По каким метрикам оценивается качество классификации в задачах NLP/CV?
Что ещё нужно добавить в пайплайн, если известно о дисбалансе классов?
Категориальный признак. А где-нибудь перекодирование я ее делаю?
а какие варианты перекодирования вы предложили глядя?
Какие варианты скейлеров (масштабирования признаков) существуют помимо StandardScaler?
Какие варианты ансамблирования, помимо бэггинга, можно попробовать?
Что такое стекинг (stacking)? В чём разница между стекингом и блендингом?
Что такое бутстрэппинг (bootstrapping)? Почему случайный лес называется случайным?
Accuracy — это точность модели. А как можно описать метрику Precision?
Почему именно вы в этом конкретном кейсе не виноваты / не причастны к проблеме?
Как использовать SHAP для интерпретации результатов модели и объяснения их заказчику?
Какие инструменты для MLOps существуют помимо MLflow?
Какие данные можно собрать для неявной (implicit) обратной связи?
Какие модификации BERT существуют и в чем их особенности?
Какие реализации градиентного бустинга ты знаешь? Какие используешь в повседневной работе?
Подготовьтесь к следующему интервью с Vibe Interview.
Скачать Vibe Interview