Sobes.tech

Machine Learning / AI

Kaip veikia atsitiktinis miškas ir kokie yra jo privalumai ir trūkumai?

297

Ką daryti su duomenimis, turinčiais skirtingą laiko granuliškumą: kai kurie registruojami kas valandą, kiti — kasdien?

259

Koks buvo galutinis pavyzdžio dydis ir kiek buvo pradinės ir atrinktos savybės projekte?

205

Papaskinkite išsamiau apie savo end-to-end patirtį: kokius etapus atlikote nuo užduoties nustatymo iki modelio diegimo į gamybą?

204

Kokius pavyzdžius feature engineering atlikote savo projektuose?

190

Kodėl boosting dažniausiai naudojami negilūs medžiai ir kaip medžių skaičius veikia perpratimą?

186

Apskaičiuokite kiekvieno naudotojo bendrą pajamų sumą Raskite kiekvieno naudotojo pirmą ir paskutinę pirkimo datą

181

Kas yra holdout naudotojai ir kodėl reikia nuolat kontroliuoti?

Middle — Senior
168

Apskaičiuokite kiekvieno naudotojo bendrą pajamas (revenue)

165
/3