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
Что такое Data Drift? Как он проявляется с течением времени?
Каким образом лучше разделить данные на Train и Test?
Достаточно ли просто рандомного Train/Test Split или нужен Stratified Split?
А Bootstrap под выборки мы строим, ну, то есть почему? По объектам, по признакам.
А что интересно будет, если сделать баггинг над линейными алгоритмами?
Ты рассказал про бэггинг, а что такое Random Forest? В чём отличие?
Подвыборка признаков выбирается для всего дерева целиком? На каком этапе она выбирается?
Подвыборка признаков выбирается для всего дерева или на каждом сплите?
Почему в бустинге мы не хотим использовать более глубокие деревья?
Какие алгоритмы машинного обучения вы используете в продакшене?
Вы чаще используете бустинг или Random Forest тоже выводите в прод?
Есть ли оптимизаторы с индивидуальными learning rate для каждого параметра?
Какое минимальное количество видеопамяти нам понадобится?
Что происходит в нейронной сети после forward pass для выполнения backward pass?
Какие методы регуляризации используются в нейронных сетях?
Работает ли полносвязная нейронная сеть для всех задач ML, или нужны другие архитектуры?
Что значит «нейроны выключены/включены» в контексте Dropout? Как это работает на инференсе?
Чему равен ROC-AUC, если у тебя есть пары (истинная метка, предсказание)?
Подготовьтесь к следующему интервью с Vibe Interview.
Скачать Vibe Interview