Machine Learning / AI
Реците нам о себи и задацима које сте обавили.
Как се израчунава ROC крива итеративно након рангирања објеката по резултату?
Да ли је то био задатак класификације или серије времена? Како је време било узето у обзир током тренинга и тестирања?
Пронађите све клијенте у јануару који су имали бар једну продају након комуникације у року од 30 дана. продаје ид корисник_ид износ датум_продаје [phone] комуникације ид корисник_ид тип датум_комуникације датум_делења 1 1 пошта [phone] позив [phone] позив [phone] емаил [phone] sms [phone] #Постоји листа, потребно је написати функцију која враћа две листе, једну са нормалним вредностима, а другу са аномалијама. За сада претпостављамо да је аномалија вредност која прелази просек data = [100, 200, 150, 5000, 1300, 120, 700, 2000, 200]
Имаш циљ и проверену feature store са око 5000 карактеристика. Како ћеш га тестирати у овом задатку?
Шта знате о ROC-AUC?
Чиме се тренутно бавиш у консалтингу? На којем пројекту радиш?
У којој области се данас осећаш најсамоувјереније?
Који пројекат те највише занима?
Пронађите све клијенте у јануару који су имали бар једну продају након комуникације у року од 30 дана.
Ако можете да комуницирате само са ограниченим бројем клијената, како бисте оценили такви модел за скорирање?
Реците нам о NLP задатку који сте извршили.
Да ли већ имаш понуде у руци?
Који је разлог твоје жеље да промениш посао?
Размишљаш ли само о позицији ML инжењера или и о Data Scientist-у?
Шта показује PR-AUC?
Колико карактеристика ћете узети из feature store-а и како ћете их изабрати ако су све 5000 карактеристика валидне и без изливања?
Да ли је постојао списак за проверу који је оператор морао да прати током позива, или је провера била без њега?
У случају озбиљног неравнотеже класа, како се понашају прецизност, recall и PR-AUC?
Шта те заинтересовало у нашој компанији?