Sobes.tech

Machine Learning / AI

a = [1, 2, 3] b = [1, 2, 3] c = a print(a == b) print(a is b) print(a is c) class A: def __init__(self): print("A init") class B(A): def __init__(self): print("B init") super().__init__() class C(A): def __init__(self): print("C init") super().__init__() class D(B, C): def __init__(self): print("D init") super().__init__() d = D()

163

a = [1, 2, 3] b = [1, 2, 3] c = a print(a == b) print(a is b) print(a is c)

161

Ποια είναι η διαφορά μεταξύ της λειτουργίας σφάλματος και της λειτουργικότητας σφάλματος;

161

Ποιες υποθέσεις χρειάζονται για την κατασκευή μιας γραμμικής παλινδρόμησης;

159

Υπολογίστε το συνολικό ποσό εσόδων (revenue) για κάθε χρήστη Για κάθε χρήστη, βρείτε την πρώτη και τελευταία ημερομηνία αγοράς Προσθέστε στη DataFrame μια νέα στήλη prev_revenue, που περιέχει τα έσοδα από την προηγούμενη αγορά αυτού του χρήστη (μετατόπιση εντός της ομάδας). Αν δεν υπάρχει προηγούμενη, βάλτε NaN

157

Ποιο μοντέλο προέκυψε στο έργο αποχώρησης, πόσα χαρακτηριστικά υπήρχαν και ποιο ήταν το μέγεθος του δείγματος;

157

Έχεις ερωτήσεις σχετικά με το έργο και το μορφότυπο εργασίας;

155

Τι είναι το SHAP για ξύλινες μοντέλα και γιατί το TreeSHAP;

Middle — Senior
155

Πώς επιταχύνετε την κλίση του βαθμιδωτού με πολύ μεγάλο αριθμό χαρακτηριστικών;

154

Τι είναι η κανονικοποίηση L1 και L2 και γιατί η L1 μπορεί να μηδενίσει τα βάρη;

151

Πώς να εργαστείτε με κενά δεδομένα, συμπεριλαμβανομένων των χρονικών σειρών;

150

Πες μου για την εμπειρία σου στην Επιστήμη Δεδομένων.

143

Έχεις δουλέψει με νευρωνικά δίκτυα;

143

Μίλησέ μου για ένα έργο γραμμικής παλινδρόμησης για την πρόβλεψη της αγοραίας αξίας ακινήτων και το χρησιμοποιημένο μοντέλο.

141

Πώς αισθάνεστε σχετικά με τα επαγγελματικά ταξίδια στον παραγωγικό χώρο;

141
/3