Data Analyst
არის აზრი სწავლის გრადიენტული ბუსტინგი ხაზოვან მოდელებზე ხეებთან ერთად?
როგორ სწავლება ხდება გრადიენტული ბუსტინგის?
Python-ის დავალება: მომხმარებლის სესიების შექმნა მოვლენების მიხედვით (შეთყვეტა > 30 წუთი = ახალი სესია) და ყოველდღიური ანალიტიკა.
რას ფიქრობთ, რომელი მაჩვენებლები უნდა ნახოს კომერციულ დირექტორს ყოველდღიურად დashboard-ებზე?
Pseudo kod 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
რა გააკეთებთ, თუ თქვენი შიდა მომხმარებელი რაღაც არარეალურს გსურს (მაგალითად, მონაცემების არარსებობის გამო)?
მახასიათებლები მხოლოდ დროის სერიებზე იყო დაფუძნებული? ცდილობდით სხვა მონაცემთა წყაროების გამოყენებას, მაგალითად, სიახლეები ან სხვა კრიპტოვალუტები?
რა განსხვავებაა pandas-ში loc და iloc-ს შორის?
როგორ გაუმჯობესებთ თქვენს უნარებს?
რა არის ლოგისტიკური რეგრესია და საიდან მოდის მისი დანაკარგის ფუნქცია?
შეაფასეთ თავი სწორ კითხვებს დასმისა და პროდუქტიული ურთიერთქმედების უნარით შიდა მომხმარებლებთან (ხუთბალიანი სკალით)
გთხოვთ, მოგვიყევით საკუთარ შესახებ: რას საქმიანობთ, რა გსურთ, რა გეგმები გაქვთ განვითარებისთვის?
რა გახდა თქვენი მოტივაცია სამუშაო ბაზარზე დაბრუნებისთვის?
შეგიძლიათ გვითხრათ, რომელი ტექნოლოგიური სტეკი და ინსტრუმენტები გამოიყენეთ და ვისწავლეთ?
მოყევით კონკრეტული პროექტის მაგალითი, რომელზეც მუშაობდით
არის ნორმალური ნიშნული 'გუშინ ბიტკოინის ღირებულება' შემთხვევით ტყისათვის და რა პრობლემებთან შეიძლება შეხვედრა?
რა შეიცვლება, თუ COUNT(*)-ს დავაყენებთ COUNT()-ით არგუმენტების გარეშე?
რის არის სია გაგება (list comprehension)?
თქვენი დავალება იყო რთული, საინტერესო თუ მარტივი?
რა ფიქრობთ Apache Superset-ის შესახებ ინსტრუმენტად?