Топ вопросов Data Science собеседований: Classic ML | Часть 2 скачать в хорошем качестве

Топ вопросов Data Science собеседований: Classic ML | Часть 2

Знание классики - база любых собеседований на все грейды в DS! Таймкоды: 00:00 Что вас ждет? 00:13 Приветствие 01:01 Как выглядит алгоритм построения решающего дерева? 01:40 Какие бывают критерии сплиттинга? 03:44 В чем разница между классификацией и регрессией в деревьях? 04:24 В чем плюсы и минусы деревьев? 06:13 Почему дерево легко переобучается? 06:28 Как глубина влияет на дерево? 06:51 Как можно регуляризировать решающее дерево? 07:33 Почему деревья не чувствительны к масштабированию признаков? 08:04 Как оценить важность признаков по дереву? 08:21 Что такое бэггинг? 08:43 Что такое случайные лес? Где там случайность? 09:17 Что такое бустинг? 09:29 Что такое стекинг? 09:46 Что такое bias-variance decomposition? Какой тип ансамблирования, что оптимизирует? 11:47 Что такое градиентный бустинг? Почему называется градиентным? Где там градиент? 12:54 Почему нельзя в качестве базовых алгоритмов использовать линейные модели, например? 13:19 Где деревья глубже бустинг/бэггинг? 13:49 Что если сделать первое дерево очень глубоким в бэггинге/бустинге? 14:28 Что если убрать первое дерево в бэггинге/устинге? 14:50 Можно ли переобучить бустинг? а бэггинг? 15:28 Отличия LightGBM, XGBoost, CatBoost? 16:28 Где конспект по всем темам 16:40 Что такое метрические модели? 17:15 Как работает k-nn? Какое у него время обучения и предсказания? 18:23 Как можно считать расстояние? 18:44 Какие есть плюсы и минусы метрических моделей и knn в особенности? 19:27 Как масштабирование признаков влияет на K-NN? Почему? 19:48 Как ускорить K-NN для большого датасета? 20:17 Где можно применять метрические модели? 20:57 Самый эффективный способ зайти в МЛ 21:41 Что такое кластеризация? Примеры задач, которые решаются с помощью кластеризации? 21:58 Объясните различия между soft и hard кластеризацией. 22:19 Как работает метод К-средних? 23:30 Какие есть проблемы с начальной инициализацией центров? Как можно улучшить ее? 24:04 Как можно ускорить алгоритм к-средних? 24:35 Что такое иерархическая агломеративная кластеризация, чем отличается от дивизионных алгоритмов? 25:04 Как можно посчитать расстояние между кластерами в иерархической кластеризации? 25:30 Что такое дендрограмма? 25:57 Какие есть критерии остановки работы иерархической кластеризации? 26:26 Как работает алгоритм DBSCAN? 28:24 Какие метрики существуют для оценки качества кластеризации? 29:51 Как выбрать оптимальное количество кластеров? 30:22 Финальное слово Конспект с разобранными вопросами: https://t.me/rockaux Разборы реальных собеседований: https://boosty.to/lokis_alexandr Менторство "оффер под ключ": https://sites.google.com/view/lokisml... личный тг: https://t.me/abletobetable