Sobes.tech

Machine Learning / AI

Come funziona una foresta casuale e quali sono i suoi vantaggi e svantaggi?

287

Cosa fare con dati di granularità temporale diversa: alcuni vengono registrati ogni ora, altri ogni giorno?

257

Qual è stato il volume finale del campione e quante caratteristiche originali e selezionate c'erano nel progetto?

203

Raccontami più nel dettaglio della tua esperienza end-to-end: quali fasi hai svolto dalla definizione del problema fino all'implementazione del modello in produzione?

202

Quali esempi di feature engineering hai eseguito nei tuoi progetti?

188

Perché nel boosting si usano generalmente alberi poco profondi e come influisce il numero di alberi sull'overfitting?

182

Calcolare la somma totale delle entrate per ogni utente Trovare la prima e l'ultima data di acquisto di ogni utente

177

Cosa sono gli utenti holdout e perché mantenere un controllo costante?

Middle — Senior
164

Calcolare la somma totale dei ricavi (revenue) per ogni utente

159
/3
Domande per la preparazione Machine Learning / AI - sobes.tech