Data Analyst

¿Cómo se puede acelerar la solución si el alfabeto consiste solo en letras minúsculas latinas?

class SparseVector: def __init__(self, nums: list[int]): def dotProduct(self, vec: 'SparseVector') -> int:

¿Las características se basaron únicamente en series temporales? ¿Intentaron usar otras fuentes de datos, como noticias u otras criptomonedas?

¿Es normal la característica 'precio de Bitcoin ayer' para un bosque aleatorio y con qué problemas se puede enfrentar?

¿Cómo hacer que una clase de usuario sea apta para su uso como clave de diccionario?

¿Puede la regresión logística sobreajustarse y cómo luchar contra ello?

Cuéntame sobre tu experiencia, algún proyecto o tarea de la que estés orgulloso

¿Cómo se obtiene la predicción final en el boosting a partir de tres iteraciones?

¿Tiene sentido entrenar gradient boosting en modelos lineales en lugar de árboles?

¿Es necesario preprocesar las características antes de entrenar una regresión logística con regularización L2 y por qué?

¿Cómo se entrena el boosting de gradiente?

# entrada: lista[str] = ["abba", "bbaa", "hola", "leohl", "llm"] # salida: lista[lista[str]] = [["abba", "bbaa"], ["hola", "leohl"], ["llm"]]

¿Qué es una comprensión de listas (list comprehension)?

¿Qué es la regresión logística y de dónde proviene su función de pérdida?

¿Qué es un generador?

¿Cuál es la complejidad de su solución para el problema de agrupación de anagramas?

Cuéntenos más sobre la regularización L1 y L2

¿Cómo seleccionaron los hiperparámetros de los modelos y cómo midieron la calidad?

¿Qué tipos de datos se pueden usar como clave en un diccionario en Python?

¿En qué horizonte se hizo la previsión?