ССобесов

Каталог задач

90 задач из 1000. Страница 1 из 2. Тестовые задания с реальных собеседований по аналитике и алгоритмам.

Сортировка:По умолчанию По сложности По уровню По компании По названию

ML — фичи RFM для модели оттока пользователей

ML / Data ScienceFeature engineeringСредняяMiddleТ-Банк / классика

ML — спрогнозировать бинарный target по клиентским признакам

ML / Data ScienceБинарная классификацияСредняяMiddleСравни.ру

Retentioneering: кластеризация пользователей по траекториям событий

ML / Data ScienceКластеризация и event-based аналитикаСложнаяMiddleRetentioneering

Яндекс ML — TwoFeatureGame: предсказать баланс матча по двум признакам

ML / Data ScienceБинарная классификацияСложнаяSeniorЯндекс

Яндекс ML — Утерянный язык: машинный перевод с few-shot fine-tuning

ML / Data ScienceNLP / машинный переводСложнаяSeniorЯндекс

Яндекс ML — Заклинание продолжения: восстановить пароль через LLM

ML / Data ScienceLLM / промпт-инжинирингСложнаяSeniorЯндекс

Яндекс ML — MSE vs MAE: когда какой использовать

ML / Data ScienceLoss-функцииЛёгкаяMiddleЯндекс

Яндекс ML — L1 и L2 регуляризация: почему L1 отбирает признаки

ML / Data ScienceРегуляризацияСредняяMiddleЯндекс

Яндекс ML — AUC-ROC и AUC-PRC: алгоритмы построения, когда что

ML / Data ScienceМетрики классификацииСредняяMiddleЯндекс

Яндекс ML — Дисбаланс классов: способы борьбы

ML / Data ScienceКлассификация / дисбалансСредняяMiddleЯндекс

Яндекс ML — Bias-Variance Decomposition: интерпретация и переобучение

ML / Data ScienceТеория обученияСредняяMiddleЯндекс

Яндекс ML — Кросс-валидация: на что влияет число фолдов K

ML / Data ScienceВалидация моделиСредняяMiddleЯндекс

Яндекс ML — Решающие деревья vs линейные модели: связь и различия

ML / Data ScienceДеревья / линейные моделиСредняяMiddleЯндекс

Яндекс ML — SGD: зачем менять шаг и какие стратегии бывают

ML / Data ScienceОптимизацияСредняяMiddleЯндекс

World of Tanks — прогноз DAU на 3 месяца вперёд

ML / Data ScienceПрогнозирование временных рядовСредняяMiddleWorld of Tanks (Wargaming)

Skytec Games — предсказание оттока на шагах туториала

ML / Data ScienceБинарная классификация и оценкаСложнаяMiddleSkytec Games

Пиклема — модель прогноза скорости карьерных самосвалов по телеметрии

ML / Data ScienceTime series / regressionСложнаяMiddleПиклема

A1 Junior — прогноз ряда, классификация Target и анализ миграций тарифов

ML / Data ScienceTime series / classification / migration analysisСредняяJuniorA1

Стажировка ML — Tree Barber: минимальная сумма энтропий после стрижки

ML / Data ScienceДеревья решений и энтропияСложнаяSeniorЯндекс

Стажировка ML — Разделяющая прямая (метод опорных векторов)

ML / Data ScienceSVM и геометрияСложнаяSeniorЯндекс

Стажировка ML — Банковский переполох: бинарная классификация по хешированным фичам

ML / Data ScienceБинарная классификацияСредняяMiddleЯндекс

Стажировка ML — Инопланетный шифр: классификация семантических связей

ML / Data ScienceNLP / классификация связейСложнаяSeniorЯндекс

ВК Middle: рекомендации по таргетингу рекламы через кластеризацию/классификатор

ML / Data ScienceКластеризацияСредняяMiddleВК

DataLearn ML-101: Bias-variance tradeoff на пальцах

ML / Data ScienceОсновы MLЛёгкаяJuniorDataLearn

DataLearn ML-101: Метрика классификации — accuracy/precision/recall/F1/ROC-AUC

ML / Data ScienceМетрикиЛёгкаяJuniorDataLearn

DataLearn ML-101: Cross-validation — какая стратегия для какой задачи

ML / Data ScienceВалидацияСредняяMiddleDataLearn

DataLearn ML-101: Кодирование категориальных фичей

ML / Data ScienceFeature engineeringСредняяMiddleDataLearn

DataLearn ML-101: Работа с несбалансированными классами

ML / Data ScienceImbalanced learningСредняяMiddleDataLearn

DataLearn ML-101: Отбор признаков — filter / wrapper / embedded

ML / Data ScienceFeature selectionСредняяMiddleDataLearn

zadachi_ds: Почему kNN ломается в высоких размерностях

ML / Data ScienceCurse of dimensionalityСредняяMiddleTelegram: zadachi_ds

zadachi_ds: Как понять, что модель переобучилась

ML / Data ScienceДиагностикаЛёгкаяJuniorTelegram: zadachi_ds

zadachi_ds: Логистическая регрессия vs линейный SVM

ML / Data ScienceЛинейные моделиСредняяMiddleTelegram: zadachi_ds

zadachi_ds: L1 vs L2 регуляризация — геометрия и эффекты

ML / Data ScienceРегуляризацияСредняяMiddleTelegram: zadachi_ds

Хабр ML — bias-variance tradeoff на пальцах

ML / Data ScienceОсновыСредняяMiddleХабр

Хабр ML — ROC-AUC: смысл, расчёт и устойчивость к дисбалансу классов

ML / Data ScienceМетрикиСредняяMiddleХабр

Хабр ML — Precision vs Recall: что выбрать в задаче антифрода

ML / Data ScienceМетрикиСредняяMiddleХабр

Хабр ML — L1 vs L2 регуляризация: когда что выбирать

ML / Data ScienceРегуляризацияСредняяMiddleХабр

Хабр ML — работа с дисбалансом классов в классификации

ML / Data ScienceПодготовка данныхСредняяMiddleХабр

Хабр ML — кросс-валидация для временных рядов

ML / Data ScienceВалидацияСредняяMiddleХабр

khangich (Intuit): спроектировать ранжирование

ML / Data ScienceML System DesignСложнаяSeniorGitHub: khangich/machine-learning-interview (Intuit)

khangich (Booking): автоматическое определение good value deals

ML / Data ScienceML System DesignСложнаяSeniorGitHub: khangich/machine-learning-interview (Booking)

khangich (Netflix): фрод-детекция по логам логинов

ML / Data ScienceML System DesignСложнаяSeniorGitHub: khangich/machine-learning-interview (Netflix)

khangich (Apple): сегментация миллионов пользователей

ML / Data ScienceКластеризацияСложнаяSeniorGitHub: khangich/machine-learning-interview (Apple)

khangich: как понять, что модель переобучается

ML / Data ScienceДиагностика моделейСредняяMiddleGitHub: khangich/machine-learning-interview

khangich: что такое dropout и зачем

ML / Data ScienceНейросетиСредняяMiddleGitHub: khangich/machine-learning-interview

khangich: batch normalization

ML / Data ScienceНейросетиСредняяMiddleGitHub: khangich/machine-learning-interview

khangich: SGD, Adam, learning rate schedule

ML / Data ScienceОптимизацияСредняяMiddleGitHub: khangich/machine-learning-interview

alexeygrigorev: где обычно зарыто переобучение через утечку фичей

ML / Data ScienceПодготовка данныхСредняяMiddleGitHub: alexeygrigorev/data-science-interviews

khangich: cold-start в рекомендательных системах

ML / Data ScienceRecommender SystemsСложнаяSeniorGitHub: khangich/machine-learning-interview

khangich: ROC-AUC vs PR-AUC при дисбалансе

ML / Data ScienceМетрики качестваСредняяMiddleGitHub: khangich/machine-learning-interview