Вопросы для интервью по специальности Data Science

Предложить вопрос

Наша цель - превратить собеседовние в комфортный процесс и облегчить подготовку к нему. Внеси вклад в сообщество, поделись своими вопросами

Что такое GIL?

Есть текст состоящий из 20000 уникальных слов. Создаем мешок слов и обучаем на нем логистическую регрессию и случайный лес. Какой алгоритм сработает лучше и почему?

Есть словарь, где ключ это сотрудник, а значение - его ЗП. Вывести top-10 людей по уровню зарплаты.

Есть 5 любителей пива. Каждый из них любит футбол с вероятностью Р = 0.2. Какова вероятность, что хоть один из них любит футбол?

Как тюнить гиперпараметры различных алгоритмов?

Есть линейная регрессия и xgboost Есть матрица объект-признак где есть один супер информативный признак. Мы берём и создаём 10 копий этого признака + случайных шум. Что станет с моделями?

Есть случайный лес и есть бустинг. Оба уже настроены с какими-то параметрами Берём и увеличиваем число деревьев в 10 раз. Что с каждым из алгоритмов станет?

Почему в логистической регрессии используется именно сигмоида?

Какие понятия позволяют строить ансамбли алгоритмов?

Вычислите производную по x

Алгоритмы классификации

Что такое метод __init__ в Питоне?

Inner Join таблиц

Что выведет программа?

Что такое метаданные?

Какие деревья лучше брать: низкие или высокие?

Почему лог. регрессия хорошо оценивает вероятность?

Опишите машинное обучение как задачу минимизации функционала ошибки

Когда случайный лес работает хуже линейной классификации?

Как считается важность признаков в случайном лесе?