Библиотека собеса по Data Science | вопросы с собеседований


Гео и язык канала: Россия, Русский
Категория: Технологии


Вопросы с собеседований по Data Science и ответы на них.
Учиться у нас: clc.to/GjjbkQ
По рекламе: @proglib_adv
Учиться у нас: https://proglib.io/w/7dfb7235
Для обратной связи: @proglibrary_feeedback_bot

Связанные каналы  |  Похожие каналы

Гео и язык канала
Россия, Русский
Категория
Технологии
Статистика
Фильтр публикаций


Могут ли в Adam возникать проблемы исчезающих или взрывающихся градиентов

Да, полностью избежать этих проблем Adam не может. Хотя адаптивное изменение шагов помогает уменьшить эффект исчезающих или взрывающихся градиентов, при определённых архитектурах или распределениях данных они всё равно могут появляться.

Если градиенты резко становятся очень большими, шаг Adam тоже может временно стать слишком большим, особенно если оценка второго момента ещё не усреднилась. В обратной ситуации — при очень маленьких градиентах — Adam постепенно уменьшает шаг, что может привести к слишком медрому обучению, даже если параметрам нужно сделать крупные поправки.

📌 Вывод: Adam снижает риск, но не полностью устраняет проблемы исчезающих и взрывающихся градиентов — архитектура сети и нормализация данных по-прежнему критически важны.

🐸 Библиотека собеса по Data Science


Репост из: Proglib.academy | IT-курсы
👅 Самое сложное — выбрать не курс, а направление

Сегодня хочется разобраться в AI-агентах. Через пару недель появляется задача, где нужны алгоритмы. Потом понимаешь, что неплохо бы освежить Python или математику для Data Science.

🔜 Именно поэтому подписка на обучение многим оказывается удобнее отдельных курсов. Можно спокойно переключаться между темами, когда меняются задачи, а не покупать новую программу каждый раз.

В подписку Proglib Academy входят все основные направления — AI, ML, Python, алгоритмы, математика для DS и другие курсы, а ещё закрытый видеохаб с вебинарами практиков.


Начать можно с пробного месяца. Если решите остаться, его стоимость зачтётся при оформлении подписки 😎

🔗 Узнать подробнее

🏃‍♀️ Proglib Academy


Один доступ вместо вечного выбора между «нужно для работы» и «давно хотелось изучить» 👇


Как ортогонально направлена первая главная компонента относительно исходного облака точек?
Опрос
  •   Вдоль направления минимальной дисперсии
  •   Вдоль направления максимальной дисперсии данных
  •   Строго под углом 45 градусов к оси X
  •   Направлена к ближайшему выбросу
  •   Не знаю
125 голосов


Репост из: Proglib.academy | IT-курсы
🎯 У разработчика, DevOps-инженера и техлида разные причины задуматься о системной работе с AI-агентами

Но цель одна: перейти от случайных удачных запусков к управляемому процессу на реальном проекте — с понятными правилами, ревью, контролем расходов и безопасности ✔️

На курсе «ИИ для разработчиков» участники выстраивают такой процесс на практике: подключают инструменты, задают границы для агента и учатся понимать, где ему можно доверять работу, а где требуется проверка.

⚡️ Предзапись на осенний поток уже открыта

🏃‍♀️ Proglib Academy


Разработчик, DevOps-инженер или техлид — у каждого своя причина навести порядок в работе с AI-агентами.

Разбираем, чем отличаются их задачи 💡


Что вернёт LEFT JOIN, если справа нет совпадения?
Опрос
  •   Пропустит строку
  •   Вызовет ошибку
  •   Продублирует левую строку
  •   Оставит левую строку, заполнив правые столбцы NULL
  •   Не знаю
13 голосов


Что такое ошибка первого рода?
Опрос
  •   Принять ложную нулевую гипотезу
  •   Отвергнуть верную нулевую гипотезу
  •   Использовать неверный тест
  •   Слишком маленькая выборка
109 голосов


При увеличении количества признаков D (например, до D > 100) геометрия пространства резко меняется: все точки становятся почти одинаково удаленными друг от друга.Как реагирует классический KNN на резкое увеличение размерности пространства?
Опрос
  •   Качество катастрофически падает
  •   Точность сильно растет из-за полноты данных
  •   Алгоритм удаляет 50% признаков
  •   Время предсказания уменьшается
  •   Не знаю
59 голосов


Репост из: Proglib.academy | IT-курсы
У вас в проекте есть файл вроде utils_v2_final_FIX.py, который все боятся трогать

Что делаете с таким легаси?

❤️ Не трогаю: работает — и ладно
👍 Переписываю с нуля и надеюсь на лучшее
🔥 Сначала покрываю тестами, потом рефакторю по частям
👾 У нас такого нет — честно-честно

На курсе «ИИ для разработчиков» разберём третий подход: как с помощью агента зафиксировать текущее поведение легаси-кода тестами, а затем менять его небольшими безопасными шагами — без одного огромного PR на тысячу файлов.

До 31 июля действует скидка и бессрочный доступ к материалам.

🔗 Занять место со скидкой

🏃‍♀️ Proglib Academy


Когда название файла уже само по себе считается техническим долгом ⚡️


В зависимости от природы признаков используются разные варианты модели. Какую версию наивного Байеса следует выбрать, если ваши признаки — это частоты слов (Count/TF-IDF) в задаче классификации текстов?
Опрос
  •   Gaussian Naive Bayes
  •   Multinomial Naive Bayes
  •   Bernoulli Naive Bayes
  •   Poisson Naive Bayes
  •   Не знаю
20 голосов


В Isolation Forest из множества таких случайных деревьев собирается ансамбль (лес). Что является ключевой метрикой для вычисления Anomaly Score конкретного объекта?
Опрос
  •   Сумма значений всех признаков в листе
  •   Длина пути от корня дерева до листа (глубина)
  •   Дисперсия признаков внутри листа
  •   Число точек в соседних листьях
  •   Не знаю
36 голосов


Для нелинейного разделения SVM использует ядерный трюк K(x,x′). Что именно вычисляет функция ядра K(x,x′) без явного перевода объектов в пространственную размерность высочайшей степени?
Опрос
  •   Скалярное произведение в новом пространстве
  •   Среднее арифметическое признаков
  •   Векторное произведение векторов
  •   Определитель матрицы весов
  •   Не знаю
84 голосов


Репост из: Proglib.academy | IT-курсы
📈 Скоро фраза «умею пользоваться AI» в резюме будет звучать так же странно, как сегодня «умею пользоваться Git»

Это просто станет частью профессии. А вот умение встроить AI в процесс разработки так, чтобы он действительно ускорял работу команды, останется конкурентным преимуществом 💡

🔜 На курсе «ИИ для разработчиков» участники работают со своими проектами и учатся делать AI частью ежедневной разработки: планировать задачи, писать код, проверять изменения, готовить PR и автоматизировать рутину.

До конца июля действует специальная цена — 59 990 ₽ вместо 79 990 ₽ 🥳 И получить бессрочный доступ ко всем материалам курса.

🔗 Посмотреть, как устроен курс

🏃‍♀️ Proglib Academy


Курс для тех, кто хочет перестать просто «пользоваться AI» и начать выстраивать с ним нормальный процесс разработки 🥳


Несмотря на красивую математику, спектральную кластеризацию редко применяют в лоб на датасетах из миллионов объектов. Какое главное вычислительное ограничение мешает применять точную спектральную кластеризацию к Big Data?
Опрос
  •   Алгоритм работает только с текстами и не поддерживает числовые признаки
  •   Метод всегда сходится к разным результатам при повторных запусках
  •   Спектральная кластеризация требует наличия размеченных целевых меток
  •   Это крайне тяжело для огромных выборок
  •   Не знаю
36 голосов


Почему бустинг над деревьями работает в пространствах высокой размерности, где KNN теряет эффективность?
Опрос
  •   Переводит признаки в комплексные числа
  •   На каждом сплите выбирает самый информативный признак
  •   Использует только нулевые признаки
  •   Перед каждым сплитом применяет PCA
  •   Не знаю
49 голосов


Репост из: Proglib.academy | IT-курсы
😸 Каждый разработчик подходит к задаче со своим опытом: помнит прошлые решения, знает ограничения проекта и понимает, какой код команда пропустит на ревью.

Для человека это естественная часть работы. У Claude Code этого контекста по умолчанию нет — только задача и инструкции, которые ему дали.

Поэтому в большой команде недостаточно просто выбрать хорошую модель.

❗️ Нужно ещё объяснить ей, как у вас устроена разработка: какие подходы приняты, что обязательно проверять и по каким правилам принимать решения.


🗓 23 июля в 19:00 МСК поговорим об этом на бесплатном вебинаре с Алексеем Жиряковым — он Executive Director в Сбере, руководит
GenAI Data Platform, и с этой проблемой сталкивался не раз 🔥

Покажет живое демо, разберём, как встроить AI в процесс разработки так, чтобы он реально помогал, а не добавлял ещё один повод для споров на ревью.

🔗 Занять место на вебинаре

🏃‍♀️ Proglib Academy


Чем nn.CrossEntropyLoss отличается от подачи в неё softmax-выходов?
Опрос
  •   Требует softmax на входе
  •   Работает только с бинарной классификацией
  •   Ожидает сырые логиты — softmax применяется внутри
  •   Требует one-hot метки
  •   Не знаю
72 голосов

Показано 20 последних публикаций.