Задание «Обменные курсы»
У игроков Кореи существует возможность покупать внутри-игровую валюту (gold) с помощью веб-интерфейса (премиум-магазина). При этом в магазине представлено лишь 6 типов пакетов с внутри-игровой валютой, различающихся по количеству gold. Типы пакетов
(packages)
и их реальная стоимость (в корейских вонах) для игроков представлена в таблице нижеPackage Price, KRW
1250 gold 7485 KRW
2900 gold 17365 KRW
7000 gold 36270 KRW
12000 gold 60000 KRW
21500 gold 98625 KRW
30000 gold 132745 KRW
Со временем было принято решения о расширении функционала премиум-магазина: было решено добавить возможность покупки пакета с любым количеством gold. При этом было построено правило перевода gold в реальные деньги (корейские воны), которое описано в таблице ниже
Gold Amount Exchange Rate
Amount ≤ 2900 gold 0,167 gold per 1 KRW
2900 gold < Amount ≤ 7000 gold 0,193 gold per 1 KRW
7000 gold < Amount ≤ 12000 gold 0,2 gold per 1 KRW
12000 gold < Amount ≤ 21500 gold 0,218 gold per 1 KRW
Amount > 21500 gold 0,226 gold per 1 KRW
То есть, пакеты с количеством внутри-игровой валюты, не превышающие 2900 gold, оцениваются согласно соотношению 0,167 gold за 1 корейский вон.
Затем было принято решение о введении возможности пополнения аккаунта игрока реальными деньгами, при котором сумма пополнения в корейских вонах переводилась бы в эквивалентную сумму в gold, согласно описанному выше правилу.
Необходимо формализовать и придумать непрерывную функцию, которая записывалась бы в виде формулы (без if, поскольку технические средства не умеют выполнять данную операцию, где предполагалось использовать полученное решение), описанное выше правило таким образом, чтобы после двух нововведений сохранилась описанная выше ценовая политика, но при этом была возможность как покупать любое количество gold, так и пополнять аккаунт любым количеством денег (корейских вон).
Решение
@machinelearning_interview
Please open Telegram to view this post
VIEW IN TELEGRAM
13 Инструкций SQL для решения 90% ваших задач по обработке данных
Независимо от того, являетесь ли вы новичком в SQL или имеете некоторый опыт работы с ним, эта статья предоставит вам ценную информацию для подготовки к интервью и практические советы по работе с данными .
▪ Статья
@machinelearning_interview
Независимо от того, являетесь ли вы новичком в SQL или имеете некоторый опыт работы с ним, эта статья предоставит вам ценную информацию для подготовки к интервью и практические советы по работе с данными .
▪ Статья
@machinelearning_interview
📝 Physician Partners Test Task
In this exercise we are providing you an example of financial data (all numbers are fictional). Deadline is 10 days after you received this test.
Task 1
• You need to create an algorithm that can find outliers in this data by one column / several columns. E.g. some members have extremely high costs in the current month and your solution should be able to detect such records
• Think about features and how you would explain it to business people
• All financial columns contain $ sign
Please provide a Jupyter notebook describing your approach as a result of this task.
Task 2
Create a web dashboard prototype in Python that allows users to:
Create slicers and dicers
- Filters by date range / ...
- Show data both in table and plotted formats
- Use paid_amount column for analysis and other columns for filters
Don’t worry about UI and design, just provide very simple functionality
You are free to use Flask / FastAPI / plotly / bokeh / etc.
Normalize text values in columns. Please, provide your approach to do it in the automatic way as Jupyter notebook. Think about it as you need to update this dashboard monthly and do not have time to normalize values manually
Columns:
•member_unique_id - member's ID
•gender - member's gender
•dob - member's date of birth
•eligible_year - year
•eligible_month - month
•affiliation_type - doctor's type
•pbp_group - health plan group
•plan_name - health plan name
•npi - doctor's ID
•line_of_business - health plan type
•esrd - True if patient is on dialysis
•hospice - True if patient is in hospice
Please provide this task as a python project. You can send it as a zip archive / Git repository / Docker
🔎 Data
@machinelearning_interview
In this exercise we are providing you an example of financial data (all numbers are fictional). Deadline is 10 days after you received this test.
Task 1
• You need to create an algorithm that can find outliers in this data by one column / several columns. E.g. some members have extremely high costs in the current month and your solution should be able to detect such records
• Think about features and how you would explain it to business people
• All financial columns contain $ sign
Please provide a Jupyter notebook describing your approach as a result of this task.
Task 2
Create a web dashboard prototype in Python that allows users to:
Create slicers and dicers
- Filters by date range / ...
- Show data both in table and plotted formats
- Use paid_amount column for analysis and other columns for filters
Don’t worry about UI and design, just provide very simple functionality
You are free to use Flask / FastAPI / plotly / bokeh / etc.
Normalize text values in columns. Please, provide your approach to do it in the automatic way as Jupyter notebook. Think about it as you need to update this dashboard monthly and do not have time to normalize values manually
Columns:
•member_unique_id - member's ID
•gender - member's gender
•dob - member's date of birth
•eligible_year - year
•eligible_month - month
•affiliation_type - doctor's type
•pbp_group - health plan group
•plan_name - health plan name
•npi - doctor's ID
•line_of_business - health plan type
•esrd - True if patient is on dialysis
•hospice - True if patient is in hospice
Please provide this task as a python project. You can send it as a zip archive / Git repository / Docker
🔎 Data
@machinelearning_interview
📌 Тестовое задание
Purchases Data Analysis Ланит
Нужно сделать EDA, найти инсайты в данных, потом построить рекоммендательную систему.
Tools in this repository are designed to allow a user to make purchases data analysis, including ABC analysis for inventory categorisation, RFM analysis for customer segmentation. Moreover, underlying relations between different items are identified with the help of association rule mining algorithm. Product recommendations are implemented based on the past purchases using different data science methods, including collaborative filtering.
Датасет
Тестовый датасет
Решение
@machinelearning_interview
Purchases Data Analysis Ланит
Нужно сделать EDA, найти инсайты в данных, потом построить рекоммендательную систему.
Tools in this repository are designed to allow a user to make purchases data analysis, including ABC analysis for inventory categorisation, RFM analysis for customer segmentation. Moreover, underlying relations between different items are identified with the help of association rule mining algorithm. Product recommendations are implemented based on the past purchases using different data science methods, including collaborative filtering.
Датасет
Тестовый датасет
Решение
@machinelearning_interview
10 первых ошибок в карьере ML-инженера
Специалист по машинному обучению (ML-engineer) — это программист, который занимается исследованием, созданием и проектированием систем ИИ. Начинающий
ML-инженер должен неплохо разбираться в математике и алгоритмах.
В этой статье собраны реальные примеры ошибок, которые чаще всего допускают программисты:
https://habr.com/ru/post/718942/
#it #ml #профессии
@machinelearning_interview
Специалист по машинному обучению (ML-engineer) — это программист, который занимается исследованием, созданием и проектированием систем ИИ. Начинающий
ML-инженер должен неплохо разбираться в математике и алгоритмах.
В этой статье собраны реальные примеры ошибок, которые чаще всего допускают программисты:
https://habr.com/ru/post/718942/
#it #ml #профессии
@machinelearning_interview
Forwarded from Анализ данных (Data analysis)
Собеседования в сфере дата-сайенс могут проходить по-разному в зависимости от компании и той должности, которую вы планируете занять. Как правило, все начинается с поведенческого интервью с менеджером по найму или сотрудником отдела кадров, за которым следует техническое собеседование с руководителем группы. Затем проводятся тест на написание кода и еще одно техническое собеседование с членами будущей команды.
В разных организациях этот процесс может варьироваться, но первым этапом при найме специалистов в сфере дата-сайенс остается поведенческое интервью.
Поведенческое интервью — это собеседование при приеме на работу, во время которого кандидата просят рассказать о достижениях на прежнем месте и его поведении в конкретных ситуациях. Это помогает определить, справится ли он с той или иной должностью. Во время такой беседы рекрутер, как правило, преследует следующие цели.
Узнать, к какому типу людей относится соискатель.
Понять, соответствует ли он требованиям культуры компании, сможет ли принять ее основные ценности.
Выяснить, сработается ли он с другими членами команды, будет ли разделять их видение и цели.
Первым делом на поведенческом собеседовании по дата-сайенс задаются личные вопросы. Скорее всего, в начале беседы вас попросят представиться и рассказать больше о себе.
Итак, у вас появляется прекрасная возможность заявить о себе как о перспективном кандидате. Поэтому важно заранее подготовить ответы на эти вопросы.
До собеседования узнайте больше о компании и должности, которую собираетесь занять. Вам также понадобится набросать план ответов. В этой статье мы обсудим, как правильно структурировать самопрезентацию, чтобы максимально конструктивно построить беседу с интервьюером.
1. Расскажите о своем бэкграунде
Для начала расскажите о своем профессиональном опыте и полученном образовании.
Начните с опыта. Опишите свой карьерный путь до этого момента, расскажите, чему научились, и не забудьте упомянуть самые важные результаты своей деятельности.
Также вы можете рассказать о полученном образовании, если оно имеет отношение к должности, на которую вы претендуете. Важно сосредоточиться только на опыте, который связан с той вакансией, на которую вы проходите собеседование.
К сожалению, многие кандидаты останавливаются на этом шаге и не переходят к следующему, в результате чего теряют возможность заявить о готовности принять ценности, видение и миссию компании. Тем не менее это важный этап собеседования — так вы можете показать, что действительно готовы стать ценным сотрудником. Посмотрим, как это сделать.
2. Выразите готовность принять ценности компании
Теперь настало время показать, что вы готовы стать частью команды.
Расскажите о том, что цените в работе и рабочем окружении, и свяжите эту информацию с ценностями и миссией компании. Помимо этого, можно объяснить, почему вам нравится работать в сфере науки о данных, объединив это с подходом компании к данным и тем, что ее представители в них ценят.
Допустим, вы собираетесь устроиться компанию, которая использует данные для принятия важных решений. В таком случае стоит сказать, что вам нравится работать с данными из-за их влияния на бизнес (важный момент, который следует подчеркнуть). Но для этого нужно предварительно узнать больше информации о компании и продумать ответ перед собеседованием.
3. Убедите работодателя, что подходите на эту вакансию
На последнем этапе интервью нужно доказать, что вы достойны занять должность, на которую претендуете. Расскажите о своих профессиональных компетенциях, а также о том, как они помогут вам выполнять должностные обязанности и почему вы заинтересованы в том, чтобы занять именно эту вакансию.
Это важный момент: вам нужно показать, что вы справитесь с будущими обязанностями, а не просто упомянуть свой опыт и ждать положительного ответа. Также стоит рассказать о том, каких результатов, по вашему мнению, вы сможете достичь на этой должности и чего вы от нее ожидаете.
@data_analysis_ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Вопросы и ответы к интервью для Python Developer
В этом репозитории собраны популярные вопросы по Python и смежным темам: Data Science, Machine Learning, Django, ООП, принципы программирования.
Также в проекте есть вопросы по основам HTML, фронтенд и БД, которые позволят вам повторить важные моменты, на которых зачастую останавливаются интервьюеры:
https://github.com/yakimka/python_interview_questions
#python
@machinelearning_interview
В этом репозитории собраны популярные вопросы по Python и смежным темам: Data Science, Machine Learning, Django, ООП, принципы программирования.
Также в проекте есть вопросы по основам HTML, фронтенд и БД, которые позволят вам повторить важные моменты, на которых зачастую останавливаются интервьюеры:
https://github.com/yakimka/python_interview_questions
#python
@machinelearning_interview
Рекомендации Гарварда по составлению резюме и сопроводительных писем
В международные компании часто нужно писать сопроводительные письма. Также существуют требования для составления хорошего резюме.
В этом гайде собраны общие советы, которые показывают мотивацию кандидатов для работы, а также примеры писем и резюме:
https://hwpi.harvard.edu/files/ocs/files/hes-resume-cover-letter-guide.pdf
#советы
В международные компании часто нужно писать сопроводительные письма. Также существуют требования для составления хорошего резюме.
В этом гайде собраны общие советы, которые показывают мотивацию кандидатов для работы, а также примеры писем и резюме:
https://hwpi.harvard.edu/files/ocs/files/hes-resume-cover-letter-guide.pdf
#советы
job.pdf
1 MB
Если вы ищете удаленную работу, неполный рабочий день или фриланс, этот список для вас.
В нем собран огромный список работодателей по всему миру, которые работают удаленно и часто набирают сотрудников.
Не забудьте подтянуть английский.
@machinelearning_interview
В нем собран огромный список работодателей по всему миру, которые работают удаленно и часто набирают сотрудников.
Не забудьте подтянуть английский.
@machinelearning_interview
Как_составить_резюме_для_поиска_работы_в_Европе_.pdf
714.5 KB
Краткое пособие: как составить качественное резюме для поиска работы в иностранных компаниях.
Один из лучших обучающих материалов, что доводилось читать — написано с юмором, легко, а главное, реально полезно.
@machinelearning_interview
Один из лучших обучающих материалов, что доводилось читать — написано с юмором, легко, а главное, реально полезно.
@machinelearning_interview
Автор этого резюме утверждает, что оно понравилось гигантам вроде Microsoft, Google, Amazon. Добрые люди решили детально разобрать его и выделить ключевые моменты:
Розовым — глаголы действия, с них начинается каждый bullet point;
Желтым — hard skills по вашей специальности;
Оранжевый — показатель понимания бизнеса и реального опыта в (игровой) индустрии;
Зеленый — рабочие достижения, самая ценная часть резюме;
Голубой —сертификаты «Кенгуру» impact и всякие личные награды и достижения;
Фиолетовый — ссылки на портфолио.
Теперь вы знаете, как грамотно составить резюме.
Розовым — глаголы действия, с них начинается каждый bullet point;
Желтым — hard skills по вашей специальности;
Оранжевый — показатель понимания бизнеса и реального опыта в (игровой) индустрии;
Зеленый — рабочие достижения, самая ценная часть резюме;
Голубой —
Фиолетовый — ссылки на портфолио.
Теперь вы знаете, как грамотно составить резюме.
1627312040888.pdf
166.5 KB
100 самых частых вопросов на собеседованиях по Машинному обучению.
На каждый из вопросов дается развернутый ответ — все, чтобы вы смогли подготовиться и получить желаемую должность.
@machinelearning_interview
На каждый из вопросов дается развернутый ответ — все, чтобы вы смогли подготовиться и получить желаемую должность.
@machinelearning_interview
Как только вы договоритесь о собеседовании с потенциальным работодателем, у вас появится возможность изучить эту конкретную организацию и использование в ней искусственного интеллекта.
Это поможет вам подготовиться к конкретным вопросам собеседования по искусственному интеллекту, относящимся к данному работодателю. До тех пор вы можете подготовиться к общим вопросам собеседования по искусственному интеллекту, зная, как показать свои широкие знания и применении искусственного интеллекта. Приведенная ниже статья из вопросов и ответов поможет в этом.
https://www.simplilearn.com/artificial-intelligence-ai-interview-questions-and-answers-article
@machinelearning_interview
Please open Telegram to view this post
VIEW IN TELEGRAM
📌 Что такое RCA (root cause analysis)? Как отличить причину от корреляции? Приведите примеры.
Анализ причин (root cause analysis, RCA) – метод решения задач, используемый для выявления причин некоторого явления.
Корреляция измеряет уровень зависимости между двумя переменными, от -1 до 1. Причинно-следственная связь – это когда первое событие вызывает второе. Причинно-следственные связи учитывают только прямые зависимости, тогда как корреляция – и косвенные зависимости.
Пример
Повышение уровня преступности в Канаде совпадает с повышением продаж мороженого, то есть корреляция между ними положительна. Но это не значит, что одно является следствием другого. Просто и то, и другое происходит, когда становится теплее.
Провести анализ причинно-следственных связей можно с помощью проверки гипотез или A/B тестирования.
@machinelearning_interview
Анализ причин (root cause analysis, RCA) – метод решения задач, используемый для выявления причин некоторого явления.
Корреляция измеряет уровень зависимости между двумя переменными, от -1 до 1. Причинно-следственная связь – это когда первое событие вызывает второе. Причинно-следственные связи учитывают только прямые зависимости, тогда как корреляция – и косвенные зависимости.
Пример
Повышение уровня преступности в Канаде совпадает с повышением продаж мороженого, то есть корреляция между ними положительна. Но это не значит, что одно является следствием другого. Просто и то, и другое происходит, когда становится теплее.
Провести анализ причинно-следственных связей можно с помощью проверки гипотез или A/B тестирования.
@machinelearning_interview
🎲 Вы бросаете два шестигранных кубика. Какова вероятность, что сумма выпавших значений будет равна 4? А 8?
Выбросить 4 можно тремя комбинациями:
Выбросить
@machinelearning_interview
Выбросить 4 можно тремя комбинациями:
(1+3, 2+2, 3+1)
. Поскольку всего комбинаций 36, P(4) = 3/36 = 1/12
.Выбросить
8
можно пятью комбинациями: (2+6, 3+5, 4+4, 5+3, 6+2). P(8) = 5/36.
@machinelearning_interview
Data Science: что нужно знать для собеседования?
Data Science — является одной из самых популярных и высокооплачиваемых профессий в сфере IT. Компании полагаются на Data Science специалистов для анализа и интерпретации данных или принятия обоснованных решений, способствующих росту бизнеса.
С ростом спроса на квалифицированных специалистов конкуренция за вакансии сильно возросла и очень важно быть хорошо подготовленным. В этой статье — подборка материалов к собеседованию на Data Science Junior:
https://habr.com/ru/post/724064/
#datascience
Data Science — является одной из самых популярных и высокооплачиваемых профессий в сфере IT. Компании полагаются на Data Science специалистов для анализа и интерпретации данных или принятия обоснованных решений, способствующих росту бизнеса.
С ростом спроса на квалифицированных специалистов конкуренция за вакансии сильно возросла и очень важно быть хорошо подготовленным. В этой статье — подборка материалов к собеседованию на Data Science Junior:
https://habr.com/ru/post/724064/
#datascience
Стрессовое интервью: 8 фишек рекрутёров
А вам устраивали стрессовое собеседование? Возможно, да, но вы могли об этом не догадываться. Представляем вашему вниманию фишки, которые используют рекрутёры, чтобы проверить кандидата на прочность.
▪ Читать
@machinelearning_interview
А вам устраивали стрессовое собеседование? Возможно, да, но вы могли об этом не догадываться. Представляем вашему вниманию фишки, которые используют рекрутёры, чтобы проверить кандидата на прочность.
▪ Читать
@machinelearning_interview
📋 Собеседование в области науки о данных: 7 распространенных ошибок
Наука о данных — одна из самых быстрорастущих областей в технологической индустрии. Если вы постоянно получаете отказы после собеседований, постарайтесь выявить свои “слабые места” и поработать над ними. Данная статья вам в этом поможет.
Материал написан на основе собеседований с более чем 70 кандидатами на различные должности в области науки о данных и МО.
➡️ Читать дальше
@machinelearning_interview
Наука о данных — одна из самых быстрорастущих областей в технологической индустрии. Если вы постоянно получаете отказы после собеседований, постарайтесь выявить свои “слабые места” и поработать над ними. Данная статья вам в этом поможет.
Материал написан на основе собеседований с более чем 70 кандидатами на различные должности в области науки о данных и МО.
➡️ Читать дальше
@machinelearning_interview
16 сервисов для Создания Резюме и Профиля LinkedIn с использованием Искусственного Интеллекта. Сохрани, чтобы получить Работу Мечты
1. kickresume — На сайте лежат настоящие резюме людей, которых взяли, например, в Amazon. Используйте их в качестве шаблона.
2. copy ai — Поможет создать резюме на нейросетях. Выберите шаблон «Resume», вбейте желаемую должность, напишите о себе в свободной форме, стиль текста профессиональный и вы получите четкое описание ваших навыков разбитых по пунктам.
3. enhancv — Более 1000 примеров резюме.
4. HyreSnap — Бесплатный конструктор резюме на основе искусственного интеллекта. ИИ сделает ваше резюме максимально совместимым с описаниями вакансий.
5. resumestar io — онлайн-редактор создает современные одностраничные резюме.
6. skillroads — Конструктор резюме на базе искусственного интеллекта. ИИ знает, какие навыки необходимо добавить и какой опыт выделить.
7. hiration — Сервис оценит текущее резюме и сопроводительное письмо и предложит изменения.
8. resumA.I. — Напишет и отредактирует пункты резюме с помощью ChatGPT.
9. thisresumedoesnotexist — 1000 примеров AI резюме (на базе enhancv).
10. resumeworded — Бесплатная мгновенная обратная связь о вашем резюме и профиле LinkedIn.
11. jasper — ИИ копирайтер Jasper поможет генерировать интересные статьи в LinkedIn.
12. resumaker ai — Конструктор резюме.
13. rezi ai — Платформа для составления резюме.
14. designs ai — Разработает основу резюме, подберет подходящие цвета и шрифты. Сэкономит вам время на дизайне, а вы сосредоточитесь на демонстрации своего опыта и навыков.
15. mosaic ai — Помогает подобрать подходящие ключевые слова для резюме.
16. CVJury — Конструктор резюме, сопроводительного письма и профиля LinkedIn.
@machinelearning_interview
1. kickresume — На сайте лежат настоящие резюме людей, которых взяли, например, в Amazon. Используйте их в качестве шаблона.
2. copy ai — Поможет создать резюме на нейросетях. Выберите шаблон «Resume», вбейте желаемую должность, напишите о себе в свободной форме, стиль текста профессиональный и вы получите четкое описание ваших навыков разбитых по пунктам.
3. enhancv — Более 1000 примеров резюме.
4. HyreSnap — Бесплатный конструктор резюме на основе искусственного интеллекта. ИИ сделает ваше резюме максимально совместимым с описаниями вакансий.
5. resumestar io — онлайн-редактор создает современные одностраничные резюме.
6. skillroads — Конструктор резюме на базе искусственного интеллекта. ИИ знает, какие навыки необходимо добавить и какой опыт выделить.
7. hiration — Сервис оценит текущее резюме и сопроводительное письмо и предложит изменения.
8. resumA.I. — Напишет и отредактирует пункты резюме с помощью ChatGPT.
9. thisresumedoesnotexist — 1000 примеров AI резюме (на базе enhancv).
10. resumeworded — Бесплатная мгновенная обратная связь о вашем резюме и профиле LinkedIn.
11. jasper — ИИ копирайтер Jasper поможет генерировать интересные статьи в LinkedIn.
12. resumaker ai — Конструктор резюме.
13. rezi ai — Платформа для составления резюме.
14. designs ai — Разработает основу резюме, подберет подходящие цвета и шрифты. Сэкономит вам время на дизайне, а вы сосредоточитесь на демонстрации своего опыта и навыков.
15. mosaic ai — Помогает подобрать подходящие ключевые слова для резюме.
16. CVJury — Конструктор резюме, сопроводительного письма и профиля LinkedIn.
@machinelearning_interview