ClassicML ClassicMLМетрики
Прогнозирование спроса — фреймворки
- Какие фреймворки существуют для временных рядов помимо CatBoost (statsforecast, MLForecast, NeuralForecast, Prophet)?
- В каких задачах SARIMA / Prophet проигрывает бустингам?
- Чем ClickHouse отличается от PostgreSQL для задач с большими агрегатами?
- Что такое MLflow и для каких задач его используют?
Метрики
- Чем отличаются MAE / MAPE / WAPE / RMSE? Какие лучше использовать?
- Почему именно WAPE для прогнозирования спроса с сильной сезонностью?
- Как считать смещение (bias) на основе ошибок прогноза?
- В каких случаях имеет смысл смотреть MAPE на коротких отрезках?
Валидация временных рядов
- Используется ли стандартная кросс-валидация на временных рядах? Почему нельзя?
- Как делать back-testing валидацию (sliding window train → next-week val)?
Сегментация (RFM + дополнительные фичи)
- Какие ограничения у классической RFM-сегментации? Какие признаки добавляют для их преодоления (доля праздничных заказов, доля скидок, доля отмен)?
- Как объединить ML-модель и rule-based подход в одной системе сегментации (например, для VIP-кластера, который теряется в общей массе)?
- В каких случаях GMM-кластеризация выигрывает у K-Means?
- Как контролировать data drift в задаче кластеризации, если клиенты часто прыгают между кластерами?
Ранжирование продавцов
- Как сформулировать задачу ранжирования через бинарную классификацию (попадёт ли продавец в топ X%)?
- Какие признаки использовать (выручка, рейтинг, доля отмен, доля задержек, новые клиенты)?
Random Forest vs Gradient Boosting
- В чём разница между Random Forest и Gradient Boosting?
- Что такое bootstrap + aggregation?
- Какой бы выбрать для прогнозирования временных рядов и почему?
- Какие критерии при выборе между ними (количество данных, риск переобучения)?
Метрики классификации
- Что такое Precision, Recall, F1?
- Что такое ROC-AUC и PR-AUC?
- При каком условии стоит смотреть на PR-AUC, а не на ROC-AUC?
Обучение с / без учителя
- Что такое обучение с учителем, без учителя, с подкреплением? Примеры моделей.