ML NLP

  1. Какие метрики знаешь?
  2. Как строится ROC-AUC. Если случайные данные, то какой результат выдаст
  3. Какие метрики устойчивы к дисбалансу классов
  4. Какие методы кластеризации знаешь?
  5. Как у k-means найти нужное количество кластеров
  6. Какие метрики для анализа количества классов знаешь?
  7. bias + variance, что ещё 3 есть там (шум)
  8. Дерево глубины 10, 3 – расскажи, что будет с bias, что будет variance
  9. Какие ансамблевые методы знаешь?
  10. Чем отличается бустинг и бэггинг
  11. MLOPS – что такое, что использовал
  12. Как обучаются нейронки, рассказать от и до
  13. Что такое стохастический градиентный спуск, почему сходится быстрее, в чём отличие от обычного, как работает
  14. Регуляризация, какие есть, какие знаешь
  15. Для чего нужны регуляризации (переобучение)
  16. Что такое затухание градиентов? Как с ним бороться? (residual block)
  17. Как дообучать большие модели (LoRA)
  18. Что такое A/B тесты, зачем нужны, что такое A/A тесты, зачем нужны
  19. ЦПТ, ЗБЧ
  20. SQL. какие бывают join
  21. Что такое прогрев нейросети
  22. LR sheduller