Data Analyst

select t.* from userentry t limit 10

Intern

СБЕР Звук

Какая сложность у вашего решения задачи группировки анаграмм?

// У нас есть метод получения информации о товарах, данный метод вызывается очень часто // есть ли проблемы в этом коде и как исправить? база данных postgress func (r *ProductRepository) GetProductDetails(ctx context.Context, productIDs []int) []Product { products := make([]Product, 0, len(productIDs)) for _, id := range productIDs { go func(id int) { var p Product query := "SELECT name, price, description FROM products WHERE id = $1" err := r.db.QueryRowContext(ctx, query, id).Scan(&p.Name, &p.Price, &p.Desc) if err != nil { r.logger.Error("error get product", "err", err) return } products = append(products, p) }(id) } return products }

Principal

101ХР

Имеет ли смысл обучать градиентный бустинг на линейных моделях вместо деревьев?

Как сделать пользовательский класс пригодным для использования в качестве ключа словаря?

func (r *OrderRepository) GetActiveOrderIDs(ctx context.Context, offset, limit int) ([]uint32, error) { var ( res []uint32 args []interface{} ) query := `SELECT id FROM "order" WHERE is_terminated = false LIMIT $1 OFFSET $2;` args = append(args, limit, offset) rows, err := r.slave.Query(ctx, query, args...) if err != nil { return nil, err } for rows.Next() { var orderID uint32 if err = rows.Scan(&orderID); err != nil { return nil, err } res = append(res, orderID) } return res, nil }

Principal

101ХР

Задача на Python: построить сессии пользователей по событиям (разрыв > 30 минут = новая сессия) и посчитать дневные агрегаты.

# input: list[str] = ["abba", "bbaa", "hello", "leohl", "llm"] # output: list[list[str]] = [["abba", "bbaa"], ["hello", "leohl"], ["llm"]]

Признаки были чисто на временных рядах? Пытались ли использовать другие источники данных, например новости или другие криптовалюты?

Как обучается градиентный бустинг?

Псевдокод sum_series(a={{1, 2}, {5, 1}}, b={{2, 4}, {3, 6}, {9, 7}}) -> {{1, 2}, {2, 6}, {3, 8}, {5, 7}, {9, 8}} def sum_series(a, b): result = [] i , j = 0, 0 val_a, val_b = 0, 0 while i < len(a) or j < len(b): a_next = a[i][0] if i < len(a) else float('inf') b_next = b[j][0] if j < len(b) else float('inf') if a_next < b_next: val_a = a[i][1] t = a[i][0] i += 1 else: val_b = b[j][1] t = b[j][0] j += 1 result.append((t, val_a + val_b)) return result

Расскажите про свой опыт, про какой-нибудь проект или задачу, которой вы гордитесь

Какие типы данных можно использовать в качестве ключа словаря в Python?

Может ли логистическая регрессия переобучаться и как с этим бороться?

На какой горизонт делался прогноз?

Будет ли нормально распределена доходность акций [имя]? (поминутные приросты цены за всю историю торгов с 2000 по 2026 год)?

Расскажите о себе: чем занимаетесь, чем хотели бы заниматься, какие планы на развитие?

Intern

Альфа-Банк

Нормален ли признак 'стоимость биткоина вчера' для случайного леса и с какими проблемами можно столкнуться?

Задача 2. JOIN таблиц Требование: Получить список всех клиентов (по алфавиту), независимо от того, есть у них кредиты или нет, и добавить к каждому клиенту поле total_loan_amount – суммарную сумму всех его кредитов. Если у клиента кредитов нет, вывести 0. Вывод – три столбца: client_id, client_name, total_loan_amount.

Intern

Альфа-Банк

Нужно ли предобрабатывать признаки перед обучением логистической регрессии с L2 регуляризацией и зачем?