Scienza dei dati e machine learning
10 pytań · dwie minuty
1. Model przewidujący odejście klientów ma świetne wyniki na danych treningowych, a słabe na nowych. Co robisz?
2. Musisz przewidzieć, który klient spłaci kredyt. Jak wybierasz zmienne?
3. Zbiór ma bardzo mało przykładów oszustw w porównaniu z normalnymi transakcjami. Jak to uwzględniasz?
4. Biznes pyta, dlaczego model odrzucił konkretny wniosek. Co odpowiadasz?
5. Wdrożony model po kilku miesiącach daje coraz gorsze prognozy. Co robisz?
6. Masz porównać dwa algorytmy klasyfikacji. Jak to robisz?
7. Dane do trenowania zawierają informacje osobowe klientów. Jak postępujesz?
8. Jak rozwijasz swoje umiejętności w uczeniu maszynowym?
9. Co najbardziej Cię ciekawi w uczeniu maszynowym?
10. Co najbardziej motywuje Cię do podjęcia studiów podyplomowych „Data science & machine learning”?