ClassicML DL CV Python SQL Deploy SysDes
ML Секция
- Почему не пользуемся аналитической формулой при решении задачи регрессии со среднеквадратичной ошибкой, а пользуемся градиентным спуском? Что здесь самое тяжелое в плане вычислений? Может быть еще какие-нибудь минусы есть?
- Что такое бэггинг?
- Что будет если мы сделаем бэггинг над линейными алгоритмами?
- Почему с деревьями бэггинг работает, что мы там используем, чтобы бэггинг работал?
- Выбор подмножества фичей мы выбираем в отдельных вершинах дерева, или у всего дерева целиком?
- Что больше склонно к переобучению, случайный лес или градиентный бустинг?
- Какой глубины деревья используются в случайном лесе и в градиентном бустинге? (насколько бы мы ограничивали глубину в обоих вариантах?
- Почему бустинг градиентный и где здесь градиент? Какая будет целевая переменная у n-ого дерева?
- Какие реализации помнишь градиентного бустинга? Какие у них различия?
- Есть случайный лес, есть градиентный бустинг, почему в промышленной среде, особенно в задачах, где нужен быстрый инференс, используют бустинг, а не случайный лес?
- Ты решаешь задачу регрессии, есть выбросы, почистить не можешь. Какую метрику предпочтешь оптимизировать, MSE/MAE?
- Какие метрики классификации помнишь?
- Подробнее про precision и recall?
- Что такое ROC-AUC?
- Решали задачу бинарной классификации, получили ROC-AUC 0.92. Как он изменится, если продублировать в выборке все объекты положительного класса 7 раз, а отрицательного класса 5 раз?
- Мы решаем модерационную задачу. Пытаемся найти контактную информацию в объявлениях. Есть ресурсы ручной модерации, но все объявления ими проверит не можем. Нужно построить модель которая будет для каких-то объектов сразу принимать решение, какие-то отправлять на ручную модерацию. Как выбрать порог для мгновенного отклонения и для ручной модерации?
- Какие способы регуляризации нейронов ты знаешь?
- Как работает дроп аут на обучении и на инференсе?
- Предстваим, что мы хотим обучаться на батч сайз 2048, но мало памяти и хватает только на батч сайз 32. Как можем поступить, чтобы приблизиться к картинке с батч сайз 2048?
- Свёрточные условия, что такое, как работают?
- Что такое пуллинг слои, для чего нужны?
- Что такое инцепшн модуль?
- Что такое резидуал блок?
- Задача классификации изображений на kaggle, получилась некоторая модель на свёрточной нейронной сети, хочется выжать из нее максимальный скор, при этом не переобучая ее?
- Как происходит регуляризация в линейных моделях?
Python, SQL, Deploy
- Как работает асинхронность в питоне? Что такое горутина? Что такое ивент луп? Что такое эвейд?
- Для какого типа задач эффективно использовать асинхронность?
- Как бы ты выкачивал датасет картинок, если есть какой-то сервис, у которого есть ручка, которая высылает эти картинки?
- Чем отличается мультитрединг от мультипроцессинга?
- В чем основное отличие у треда и процесса?
- Зачем вообще нужен мультитрединг, если есть гил, который блокирует исполнение больше чем одного треда внутри одного процесса?
- Почему в задаче с выкачкой картинок даст буст мультитрединг?
- Что значит распараллелить несколько инпутов?
- Какие бывают типы БД? В чем разница SQL/noSQL?
- Основные отличия монолита и микросервиса? Преимущества микросервисов?
- Что по поводу отказоустойчивости в этих архитектурах?
- Какие ты знаешь способы взаимодействия микросервисов между друг другом?
System Design
Кейс Есть маркетплейс, хочет внедрить на своей поисковой выдаче некий виджет, можно в него впихнуть от 3 до н товаров, там находятся только продвигаемые товары, за продвижение которых заплатили, количество активных объявлений десятки миллионов, продвигаемых миллион. Нужно сделать модель, которая будет выбирать какие объявление добавить в этот виджет