Machine Learning / AI

Wie man ein technisches System zur Datenspeicherung und Alarmierung für die Modellüberwachung implementiert?

Haben Sie Ideen, um das Nachfrageprognosesystem weiter zu verbessern?

Wie ähneln sich Random Forest und Gradient Boosting und worin unterscheiden sie sich? Wie werden die Bäume in jedem gebaut?

Wie haben Sie die Qualität des Clusterings bestimmt? Welche Methoden haben Sie verwendet?

Erzählen Sie, wie der von Ihnen verwendete Clustering-Algorithmus funktionierte — wie aggregierte er Punkte im Raum?

Bezüglich Spark — welche spezifischen Aufgaben wurden darauf parallelisiert?

Was ist der Unterschied zwischen einem Konfidenzintervall und einem Vorhersageintervall? Was zeigen sie?

Was ist eine stationäre Zeitreihe, wie überprüfst du sie und warum ist sie wichtig?

Wie baut man ein System zur Verfolgung der Qualität und Entscheidungsfindung beim Austausch des Modells?

Fall: Entwicklung eines Preissystems für die Business Class von S7. 300 Flüge pro Tag, ~100 mit Business Class, 4-6 Sitze. Zwei Ziele: maximale Auslastung und maximaler Umsatz. Preise werden täglich und nach jedem Kauf aktualisiert. Derzeit werden die Preise manuell festgelegt, basierend auf der Auslastung. Wie würden Sie an diese Aufgabe herangehen?

Erzählen Sie von interessanten Optimierungsfällen in Spark im Zusammenhang mit Merkmalen und komplexen Joins

Welche Modelle haben Sie für die Nachfrageprognose verwendet?

Wie man das Problem verschobener historischer Daten löst (Preise wurden unterschätzt, das Modell sieht die Nachfrage bei neuen Niveaus schlecht)?

Wie geht man mit geringem Feedback-Volumen auf ruhigen Routen um (wenige Flüge, laute Daten)?

Erzählen Sie uns von Ihrer Erfahrung im Bereich Data Science