Классический ML

Classical ML

Линейные модели, деревья, бустинги, признаки и валидация

Направление атласа: Машинное обучение · Классический ML. Спрашивают: Яндекс, Сбер, Т-Банк, МТС, Альфа-Банк, ВТБ и ещё 19. Закрывает проверки: ML-секция: модели, признаки, валидация (39), Тестовое задание на данных (1), Секция по ML в безопасности (3).

Базовый тест для табличных задач: что выбрать в качестве бейзлайна, как не потерять качество на признаках и как проверить модель, чтобы результат повторился в проде.

15вопросов в заходе
24всего в банке
4оси знаний
~11минут на прохождение
Что спрашивать
Уровень
Линейные моделиДеревья и ансамблиПризнакиВалидация
  1. Отвечаете на вопрос — сразу видите разбор, а не только «верно/неверно».
  2. В конце получаете результат по осям и список тем, которые стоит перечитать.
  3. Темы с ошибками ставятся на повторение — кабинет напомнит о них через 3, 7 и 21 день.

Открытые задачи

2 задачи без вариантов ответа — такие дают на собеседовании уровня middle и senior. Ответ проверяется по чек-листу: он остаётся в браузере и не идёт в результат теста.

Бустинг на табличных данных даёт AUC 0.91 на валидации и 0.78 в проде через месяц после выката. Как искать причину?

ПризнакиSenior

Задача — предсказание оттока клиентов. Пайплайн обучения и пайплайн инференса писали разные люди.

Сначала ответьте — иначе проверка превращается в чтение.

Заказчик просит «модель оттока с точностью повыше». Как вы поставите задачу и по какой метрике будете принимать решение о внедрении?

ВалидацияMiddle

Сначала ответьте — иначе проверка превращается в чтение.