Machine Learning / AI
Vind alle klanten in januari die minstens één verkoop hadden na communicatie binnen 30 dagen. verkoop id klant_id bedrag verkoop_datum [phone] communicaties id klant_id type communicatie_datum partition_datum 1 1 mail [phone] oproep [phone] oproep [phone] email [phone] sms [phone] #Er is een lijst, je moet een functie schrijven die twee lijsten teruggeeft, één met normale waarden en de andere met anomalieën. Laten we voorlopig aannemen dat een anomalie een waarde is die het gemiddelde overschrijdt data = [100, 200, 150, 5000, 1300, 120, 700, 2000, 200]
Hoe belangrijk is het voor jou om invloed te hebben op het vaststellen van taken en de architectuur van het project?
Was dit een classificatie- of tijdreeks taak? Hoe werd tijd meegenomen tijdens training en testen?
Welke taken heb je voor je? Welke stack gebruik je voornamelijk?
Vertel ons over een van de recente classificatietaken en beschrijf de pipeline.
Welke groei vind je interessanter: verticaal of horizontaal?
Is de werkdag flexibel of streng?
Ben je momenteel actief op zoek naar een baan?
In welke sfeer ben je van plan je in de toekomst te ontwikkelen?
Weet je wat een scoringmodel is?
Wat is Aston's rol in de workflow van het project?
Welke metrics heb je gebruikt, hoeveel data was er en wat was de balans tussen de klassen?
Hoe wordt de ROC-curve iteratief berekend nadat objecten op score zijn gerangschikt?
Je hebt een target en een geverifieerde feature store met ongeveer 5.000 features. Hoe zou je dat testen op deze taak?
Wat weet je over ROC-AUC?
Waar werk je momenteel aan in consulting? Aan welk project werk je?
In welk domein voel je je vandaag het meest zeker?
Welke project interesseert je het meest?
Vind alle klanten in januari die minstens één verkoop hadden na communicatie binnen 30 dagen.
Als je maar met een beperkt aantal klanten kunt communiceren, hoe evalueer je zo'n scoringmodel?