Собес по классик ml:
- Если ты видишь, что таргеты на графике идут параболой, можем ли мы применить тут все наработки линейной регрессии? (+полином)
- Когда полином с большими степенями, что может произойти? (Overfitting) Что это такое, как бороться? Как понять, что оно случилось?
- Если у нас мало данных, как проверять валидацию? ( кросс валидацией )
- Расскажи подробнее про регуляризации.
- В силу чего могут улетать веса так высоко в линейной регрессии?
- Способы отбора признаков? ( Жадные алгоритмы )
- Логистическая регрессия - что это, как работает, что обучается, как оптимизируется, какая функция потерь и чем отличается от линейной регрессии.
- Все метрики классификации.
- Если в ROC-AUC добавить ко всем скорам const, что-то изменится? (нет)
- Мы из бизнеса знаем, что увеличиваем метрику для дохода: допустим с увеличением accuracy на 1% получаем миллион рублей. Зачем мы тогда замарачиваемся с logloss, sigmoid и другими, почему не оптимизировать напрямую accuracy? (метрики плохо дифиринцируемы (они кусочно постоянные, градиентов особо не найдешь))
- Деревянные модельки (деревья): особенности рэндом фореста (бэггинг, метод случайных подпространств. out of bag) и его гипперпараметры ( все гипперпараметры деревьев, их количество и тд).
- Если взять очень большое количество деревьев для рэндом фореста, ты словишь overfitting? (нет)
- Градиентный бустинг, и тот же вопрос как 12 (тут будет overfitting).
- Если в случайный лес запихнуть бустинги вместо деревьев, он вообще заведется? ( да, XGBoost даже поддерживает такой вариант)
- Что такое dict в py? ( + ключи неизменяемые, но можно создать изменяемый класс и добавить в него методы hash и equal)
- Что такое декораторы?
- TypeHints (Аннотации типов) в питоне как почему зачем?
livecoding не все задачи помню:
- Даны два списка (x и y) одинаковой длины. Нужно отсортировать значения х по значениям у ( решение zip+sorted )
- Найти сумму между i и следующим элементом, наш массив numpy: как сделать в одну строку?
- Реализовать итератор, который возводит значения в квадрат в одну строку.
+pandas +sql