Machine Learning / AI

En cas de déséquilibre sévère des classes, comment se comportent la précision, le rappel et le PR-AUC ?

Quelles métriques avez-vous utilisées, combien de données y avait-il et quel était l'équilibre des classes?

Parlez-nous de vous et des tâches que vous avez accomplies.

Si vous ne pouvez communiquer qu'avec un nombre limité de clients, comment évaluez-vous un tel modèle de scoring ?

Était-ce une tâche de classification ou de séries temporelles ? Comment le temps a-t-il été pris en compte lors de l'entraînement et du test ?

Que savez-vous sur ROC-AUC ?

Comment la courbe ROC est-elle calculée de manière itérative après avoir classé les objets par score ?

Que montre PR-AUC ?

Parlez-nous d'une des tâches de classification récentes et décrivez son pipeline.

Savez-vous ce qu'un modèle de scoring est ?

Y avait-il une liste de vérification que l'opérateur devait suivre lors de l'appel, ou la vérification était-elle effectuée sans elle?

Trouvez tous les clients en janvier qui ont eu au moins une vente après une communication dans un délai de 30 jours.

Parlez-nous d'une tâche de clustering.

Parlez-nous d'une tâche de NLP que vous avez réalisée.

Vous avez une cible et un feature store vérifié avec environ 5 000 caractéristiques. Comment le testeriez-vous sur cette tâche?

Une précision de 700 ventes par million de clients sélectionnés est-elle bonne dans une tâche de conversion rare?

Trouvez tous les clients en janvier qui ont eu au moins une vente après une communication dans un délai de 30 jours. ventes id customer_id montant date_de_vente [phone] communications id customer_id type date_comm partition_date 1 1 mail [phone] appel [phone] appel [phone] email [phone] sms [phone] #Il y a une liste, vous devez écrire une fonction qui renvoie deux listes, une avec des valeurs normales et l'autre avec des anomalies. Supposons pour l'instant qu'une anomalie est une valeur qui dépasse la moyenne données = [100, 200, 150, 5000, 1300, 120, 700, 2000, 200]

Combien de caractéristiques prendrez-vous du feature store et comment les choisirez-vous si toutes les 5000 caractéristiques sont valides et sans fuite ?