Data Science | Тесты
@easy_ds_tests
2.5K subscribers
25 photos
354 links
Cайт easyoffer.ru
Реклама @easyoffer_adv
ВП @easyoffer_vp

Вопросы собесов t.iss.one/+RQVnIJT__Z42ZWUy
Вакансии t.iss.one/+Ir52wMvyEgo5YWIy
Download Telegram
About
Blog
Apps
Platform
Join
Data Science | Тесты
2.5K subscribers
Data Science | Тесты
🤔 Какой алгоритм часто используется для прогнозирования временных рядов?
Anonymous Quiz
7%
Линейная регрессия
85%
ARIMA
7%
Случайный лес
2%
K-means
133 voters408 views
Data Science | Тесты
🤔 Что такое градиентный спуск?

Градиентный спуск — это метод оптимизации, который используется для нахождения минимального значения функции ошибки модели путём итеративного изменения параметров модели (например, весов). На каждом шаге вычисляется градиент функции ошибки по параметрам, и параметры корректируются в направлении, противоположном градиенту. Шаг изменения регулируется параметром скорости обучения (learning rate). Градиентный спуск эффективен для обучения моделей с большим количеством параметров.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
435 views
Data Science | Тесты
🤔 Какой метод машинного обучения используется для оценки важности признаков, устраняя менее важные признаки в итеративном процессе?
Anonymous Quiz
39%
PCA
38%
RFE
8%
K-means
15%
Naive Bayes
119 voters450 views
Data Science | Тесты
🤔 Какой метод уменьшения размерности учитывает только межклассовую дисперсию?
Anonymous Quiz
24%
PCA
32%
LDA
21%
T-SNE
23%
Isomap
95 voters407 views
Data Science | Тесты
🤔 В каких случаях логистическая регрессия на задачах классификации будет работать лучше, чем случайный лес?

Логистическая регрессия может работать лучше, чем случайный лес, когда данные линейно разделимы или когда модель должна быть интерпретируемой. Логистическая регрессия проще и менее склонна к переобучению, особенно на небольших и чистых наборах данных. Случайный лес может давать более сложные предсказания, но при этом быть менее интерпретируемым. В задачах, где важна простота и скорость работы модели, логистическая регрессия может быть предпочтительнее.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
418 views
Data Science | Тесты
🤔 Какой метод используется для уменьшения размерности данных путем разложения матриц на неотрицательные множители?
Anonymous Quiz
36%
PCA
30%
LDA
16%
LDA
19%
T-SNE
💊15
118 voters418 views
Data Science | Тесты
🤔 Какой метод часто применяют для оценки моделей регрессии?
Anonymous Quiz
86%
MSE
6%
K-means
1%
PCA
7%
Логистическая регрессия
💊2
128 voters398 views
Data Science | Тесты
🤔 Почему считается, что случайный лес не переобучается?

Считается, что случайный лес не склонен к переобучению, потому что он усредняет предсказания большого количества деревьев решений, каждое из которых обучается на случайной подвыборке данных и случайных признаках. Этот процесс помогает уменьшить влияние отдельных переобученных деревьев на финальное предсказание. В результате модель становится более устойчивой к ошибкам и шуму в данных. Кроме того, случайный лес не сильно зависит от малозначимых признаков, так как случайные выборки уменьшают их влияние.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
463 views
Data Science | Тесты
🤔 Какой метод оценивает важность признаков в модели?
Anonymous Quiz
49%
Lasso Regression
2%
k-NN
17%
AdaBoost
32%
PCA
💊1
137 voters448 views
Data Science | Тесты
🤔 Какой алгоритм часто используют для сокращения размерности данных?
Anonymous Quiz
91%
PCA (Principal Component Analysis)
2%
Linear Regression
4%
K-Nearest Neighbors
3%
Decision Trees
116 voters416 views
Data Science | Тесты
🤔 Виды метрик машинного обучения.

1. Для классификации:
- Accuracy: доля верных предсказаний.
- Precision: точность предсказаний класса.
- Recall: полнота предсказаний класса.
- F1-score: сбалансированная метрика точности и полноты.
- ROC-AUC: качество модели при разных порогах.
2. Для регрессии:
- MSE: среднеквадратичная ошибка.
- MAE: средняя абсолютная ошибка.
- R²: объясненная доля дисперсии.
3. Для кластеризации:
- Silhouette Score: качество разделения кластеров.
- Dunn Index: компактность и разделенность кластеров.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
453 views
Data Science | Тесты
🤔 Какой метод машинного обучения используется для анализа временных рядов?
Anonymous Quiz
3%
Logistic Regression
14%
RNN
81%
ARIMA
2%
Naive Bayes
🤔2
137 voters428 views
Data Science | Тесты
🤔 Какой метод уменьшает переобучение, добавляя регуляризацию в деревья решений?
Anonymous Quiz
8%
L1-регуляризация
18%
L2-регуляризация
54%
Обрезка деревьев
19%
Случайные леса
130 voters428 views
Data Science | Тесты
🤔 Какие знаешь рекомендательные модели?

Модели: коллаборативная фильтрация (на основе пользователей или элементов), контентная фильтрация, гибридные подходы и модели с использованием глубокого обучения (например, нейронные сетевые рекомендатели).

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
424 views
Data Science | Тесты
🤔 Какой метод уменьшения размерности использует разложения матриц?
Anonymous Quiz
55%
PCA
18%
LDA
18%
NMF
9%
T-SNE
119 voters415 views
Data Science | Тесты
🤔 Какая метрика лучше всего подходит для оценки качества модели классификации с несбалансированными классами?
Anonymous Quiz
6%
Accuracy
5%
Precision
8%
Recall
82%
F1-score
131 voters418 views
Data Science | Тесты
🤔 В чем различия между методами apply и applymap?

В pandas `apply` используется для применения функции вдоль оси DataFrame (по строкам или столбцам), в то время как `applymap` применяется к каждому элементу DataFrame индивидуально.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
407 views
Data Science | Тесты
🤔 Какой метод оптимизации используется для обучения нейронных сетей?
Anonymous Quiz
11%
Метод Ньютона
77%
Градиентный спуск
10%
Метод опорных векторов
2%
K-means
131 voters403 views
Data Science | Тесты
🤔 Какой метод уменьшает смещение, добавляя ансамбль слабых моделей?
Anonymous Quiz
38%
Bagging
42%
Boosting
12%
Stacking
8%
Gradient Descent
👍2
125 voters391 views
Data Science | Тесты
🤔 Как оценивать эффективность работы рекомендательных моделей?

Используются метрики:
1. Precision@K и Recall@K для точности и полноты рекомендаций.
2. NDCG для оценки релевантности на основе позиций элементов.
3. Coverage — доля уникальных рекомендованных элементов.
4. Оценка на основе A/B-тестов или пользовательских метрик, таких как удержание.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
399 views