Kako ubrzati rešenje ako alfabet sastoji samo od malih latiničnih slova?
Data Analyst
class SparseVector: def __init__(self, nums: list[int]): def dotProduct(self, vec: 'SparseVector') -> int:
Da li je karakteristika 'cena bitkoina juče' normalna za slučajni šumski model i sa kojim problemima se može suočiti?
Da li su karakteristike bile bile zasnivale samo na vremenskim nizovima? Da li ste pokušali koristiti druge izvore podataka, poput vesti ili drugih kriptovaluta?
Kako napraviti korisničku klasu pogodnu za korišćenje kao ključ u rečniku?
Da li se logistička regresija može prekomerno naučiti i kako se s tim boriti?
Ispričajte mi o svom iskustvu, nekom projektu ili zadatku na koji ste ponosni
Kako se dobija završna predviđanja u boostingu iz tri iteracije?
Da li je potrebno prethodno obraditi osobine pre obuke logističke regresije sa L2 regularizacijom i zašto?
Kako se trenira gradient boosting?
Има ли смисла тренирати градиентни boost-ове на линијским моделима уместо дрвећа?
# улаз: list[str] = ["abba", "bbaa", "здраво", "leohl", "llm"] # излаз: list[list[str]] = [["abba", "bbaa"], ["здраво", "leohl"], ["llm"]]
Šta je razumevanje liste (list comprehension)?
Шта је генератор?
Šta je logistička regresija i odakle potiče njena funkcija gubitka?
Koja je složenost vašeg rešenja za problem grupisanja anagrama?
Реците више о L1 и L2 регуларизацији
Kako su odabrani hiperparametri modela i kako je merena kvaliteta?
Koje tipove podataka možete koristiti kao ključ u rečniku u Pythonu?
На који хоризонт је направљена прогноза?