Machine Learning / AI

Şiddetli sınıf dengesizliği durumunda, precision, recall ve PR-AUC nasıl davranır?

Hangi metrikleri kullandınız, veriler ne kadardı ve sınıflar dengesi nasıldı?

Kendinizden ve yaptığınız görevlerden bahsedin.

Sadece sınırlı sayıda müşteriyle iletişim kurabiliyorsanız, böyle bir skorlandırma modelini nasıl değerlendirirsiniz?

Bu bir sınıflandırma mı yoksa zaman serisi görevi miydi? Eğitim ve test sırasında zaman nasıl dikkate alındı?

ROC-AUC hakkında ne biliyorsunuz?

Skorlarına göre nesneleri sıraladıktan sonra ROC eğrisi nasıl yinelemeli olarak hesaplanır?

Son zamanlardaki sınıflandırma görevlerinden birini anlatın ve onun pipeline'ını açıklayın.

PR-AUC ne gösterir?

Bir skorlandırma modeli nedir biliyor musunuz?

Operatörün arama sırasında takip etmesi gereken bir kontrol listesi var mıydı, yoksa kontrol onu olmadan mı yapıldı?

Yaptığınız bir NLP görevinden bahsedin.

Bir kümeleme görevi hakkında bize bilgi verin.

Ocak ayında iletişim sonrası en az bir satış yapan tüm müşterileri bulun.

Bir hedefiniz ve yaklaşık 5.000 özellik içeren doğrulanmış bir özellik deposu var. Bunu bu görevde nasıl test edersiniz?

Ocak ayında iletişim sonrası en az bir satış yapan tüm müşterileri bulun. satışlar id müşteri_id tutar satış_tarihi [phone] iletişimler id müşteri_id tür iletişim_tarihi bölme_tarihi 1 1 posta [phone] arama [phone] arama [phone] e-posta [phone] sms [phone] #Bir liste var, iki liste döndüren bir fonksiyon yazmanız gerekiyor, biri normal değerlerle, diğeri anormalliklerle. Şimdilik bir anormalliğin, ortalamayı aşan bir değer olduğunu varsayalım data = [100, 200, 150, 5000, 1300, 120, 700, 2000, 200]

Nadir dönüşüm görevinde, seçilen müşteriler başına 700 satışın doğruluğu iyi midir?

Feature store'dan kaç özellik alacaksınız ve hepsi geçerli ve sızdırmasızsa, nasıl seçeceksiniz?