Ի՞նչ տեսակի տվյալների բազա ընտրել զանգերի իրադարձությունները պահելու համար և ինչու?
Machine Learning / AI
Ի՞նչ բիզնես մետրիկներ և հակամետրիկներ պետք է չափել ապրանքների խթանման վիջետի գնահատման համար։
Ի՞նչ է n-երորդ ծառի նպատակային փոփոխականը գրադիենտային բուստինգում։
Ինչպես հաշվի առնել գնումների միջև ժամանակային միջակայքը ապրանքների համապատասխանության համար?
Ինչպես ավելացնել արագությունը թեստում՝ առանց մոդելի նորից ուսուցանելու?
Ի՞նչ մեթոդ ընտրել ռեգրեսիայի համար՝ MSE թե MAE, երբ կան արտակարգ արժեքներ։
Ինչպես կարելի է ընտրել հիպերպարամետրերը?
Ի՞նչ մոտավոր աշխատավարձի շրջանակի վրա եք հենվում անցնելու համար։
Պատմեք ինձ TF-IDF-ի մասին՝ ինչպես է աշխատում, ինչպե՞ս է տեսք ունենում վերջնական մատրիցը։
Ինչու՞ էական ֆորմուլան գծային ռեգրեսիայի համար գործնականում չի կիրառվում։
Ինչպես օգտագործել համագործակցային մեթոդներ՝ հիմնված ներդնումների վրա հիմնված առաջարկների համար?
Ի՞նչ կորուստային ֆունկցիա (loss) է օգտագործվում ըստ նախնական կարգավորումների ուղիղ ռեգրեսիայում:
Ահաregularիզացիայի մասին ավանդական ML ալգորիթմներում՝ L1 և L2: Ի՞նչ են նրանց հատկությունները և տարբերությունները։
Որոնք են որոշման ծառերի բաժանման չափանիշները (օրինակ, էնտրոպիայի չափանիշը): Կարող եք նշել ուրիշներ?
Ինչպե՞ս ենք ընտրելու պարամետրերը գրադիենտ բուստինգում: Որոնք են պարամետրերը և առաջին հերթին ինչ եք ընտրելու?
Ի՞նչն է տարբերությունը ստոխաստիկ գրադիենտային իջեցում և դասականը միջև։
Ինչու է անհրաժեշտ օգտագործել LEAD ֆունկցիան՝ ապագա արժեքները որոնելու համար id-ով SQL-ում։
Ինչպես են կառուցված Python-ում կորուտիններն ու իրադարձությունների ցիկլը։
Ի՞նչ սխալի շեմը պետք է օգտագործել ուսուցումը դադարեցնելու համար։