Sobes.tech

Machine Learning / AI

Πώς λειτουργεί ένα τυχαίο δάσος και ποια είναι τα πλεονεκτήματα και μειονεκτήματά του;

297

Τι να κάνουμε με δεδομένα διαφορετικής χρονικής διακριτότητας: μερικά καταγράφονται κάθε ώρα, άλλα καθημερινά;

259

Ποιο ήταν το τελικό μέγεθος δείγματος και πόρα χαρακτηριστικά αρχικά και επιλεγμένα υπήρχαν στο έργο;

205

Πείτε περισσότερα για την εμπειρία σας end-to-end: ποια στάδια εκτελέσατε από τον καθορισμό του προβλήματος μέχρι την υλοποίηση του μοντέλου σε παραγωγή;

204

Ποια παραδείγματα feature engineering έχεις πραγματοποιήσει στα έργα σου;

190

Γιατί συνήθως χρησιμοποιούνται ρηχά δέντρα στο boosting και πώς επηρεάζει ο αριθμός των δέντρων το υπερεκπαίδευση;

186

Υπολογίστε το συνολικό ποσό εσόδων για κάθε χρήστη Βρείτε την πρώτη και τελευταία ημερομηνία αγοράς για κάθε χρήστη

185

Πώς μπορεί να τροποποιηθεί η λειτουργικότητα του σφάλματος;

175

Τι είναι η ομοσπονδιακή μάθηση στην ιατρική και ποιος είναι ο σκοπός της;

172

Τι είναι οι χρήστες holdout και γιατί να διατηρούμε συνεχώς έλεγχο;

Middle — Senior
168

Υπολογίστε το συνολικό ποσό εσόδων (revenue) για κάθε χρήστη

167

Τι είναι το Apache Spark και πού είναι αποτελεσματικό σε pipelines ML;

164
/3