Топ вопросов с Data Science собеседований | Часть 1
Секрет успешного трудоустройства - в дотошной подготовке к собеседованиям!
Знание classic ML - база любых собеседований на все грейды в DS!
Знание classic ML - база любых собеседований на все грейды в DS!
Таймкоды:
0:00 Что вас ждет?
0:20 Приветствие
1:01 Какие основные задачи МЛ бывают?
2:11 Какие бывают признаки?
2:29 Что такое переобучение и как с ним бороться?
03:25Что такое стандартизация?
4:00 В чем отличие параметра от гиперпараметра модели?
4:30 Что такое cross-validation?
5:50 Какие методы cross-validation бывают?
6:54 Что такое проклятие размерности?
7:43 Как сократить количество признаков в данных?
8:56 Какие схемы многоклассовой классификации существуют?
10:05 Что такое дисбаланс классов?
10:28 Как можно сбалансировать выборку данных?
11:14 Где взять конспект со всем разобранными вопросами?
11:31 Что такое линейная модель?
12:35 В чем отличие линейной регрессии и логистической регресии?
13:15 Что такое log-loss?
14:24 Какие есть плюсы и минусы линейных моделей?
14:59 Как можно интерпретировать линейные модели?
15:37 Что такое мультиколлинеарность?
16:17 Как можно заподозрить переобучение линейных моделей?
16:47 Что такое регуляризация?
18:07 Какая геометрическая интепретация у линейных моделей?
18:27 Как обучаются линейные модели (2 способа)?
20:04 Как максимально эффективно стать Data Scientist-ом?
20:46 Какие метрики регрессии ты знаешь?
21:37 Что такое относительные метрики?
22:12 Какие метрики классификации ты знаешь?
25:45 Какие есть метрики многоклассовой классификации?
26:25 Что такое ассиметричные метрики?
Конспект с разобранными вопросами: https://t.me/rockaux
Разборы реальных собеседований: https://boosty.to/lokis_alexandr
Менторство "оффер под ключ": https://sites.google.com/view/lokismlmentor
личный тг: t.me/abletobetable
Менторство "оффер под ключ": https://sites.google.com/view/lokismlmentor
личный тг: t.me/abletobetable
In bundle
classic ml
machine learning
free
мок собес
сейчас уже подгружается на бусти