Войти Начать бесплатно

Каталог задач

90 задач из 1000. Страница 1 из 2. Авторские задачи для подготовки к собеседованиям аналитиков с разборами решений.

Темы

Уровень

Сложность

По мотивам интервью в

Сортировка:По умолчанию По сложности По уровню По названию

ML — фичи RFM для модели оттока пользователей

ML / Data ScienceFeature engineeringСредняяMiddle

ML — спрогнозировать бинарный target по клиентским признакам

ML / Data ScienceБинарная классификацияСредняяMiddle

Retentioneering: кластеризация пользователей по траекториям событий

ML / Data ScienceКластеризация и event-based аналитикаСложнаяMiddle

Яндекс ML — TwoFeatureGame: предсказать баланс матча по двум признакам

ML / Data ScienceБинарная классификацияСложнаяSenior

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

ML / Data ScienceNLP / машинный переводСложнаяSenior

Яндекс ML — Заклинание продолжения: восстановить пароль через LLM

ML / Data ScienceLLM / промпт-инжинирингСложнаяSenior

Яндекс ML — MSE vs MAE: когда какой использовать

ML / Data ScienceLoss-функцииЛёгкаяMiddle

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

ML / Data ScienceРегуляризацияСредняяMiddle

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

ML / Data ScienceМетрики классификацииСредняяMiddle

Яндекс ML — Дисбаланс классов: способы борьбы

ML / Data ScienceКлассификация / дисбалансСредняяMiddle

Яндекс ML — Bias-Variance Decomposition: интерпретация и переобучение

ML / Data ScienceТеория обученияСредняяMiddle

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

ML / Data ScienceВалидация моделиСредняяMiddle

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

ML / Data ScienceДеревья / линейные моделиСредняяMiddle

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

ML / Data ScienceОптимизацияСредняяMiddle

World of Tanks — прогноз DAU на 3 месяца вперёд

ML / Data ScienceПрогнозирование временных рядовСредняяMiddle

Skytec Games — предсказание оттока на шагах туториала

ML / Data ScienceБинарная классификация и оценкаСложнаяMiddle

Пиклема — модель прогноза скорости карьерных самосвалов по телеметрии

ML / Data ScienceTime series / regressionСложнаяMiddle

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

ML / Data ScienceTime series / classification / migration analysisСредняяJunior

Стажировка ML — Tree Barber: минимальная сумма энтропий после стрижки

ML / Data ScienceДеревья решений и энтропияСложнаяSenior

Стажировка ML — Разделяющая прямая (метод опорных векторов)

ML / Data ScienceSVM и геометрияСложнаяSenior

Стажировка ML — Банковский переполох: бинарная классификация по хешированным фичам

ML / Data ScienceБинарная классификацияСредняяMiddle

Стажировка ML — Инопланетный шифр: классификация семантических связей

ML / Data ScienceNLP / классификация связейСложнаяSenior

ВК Middle: рекомендации по таргетингу рекламы через кластеризацию/классификатор

ML / Data ScienceКластеризацияСредняяMiddle

DataLearn ML-101: Bias-variance tradeoff на пальцах

ML / Data ScienceОсновы MLЛёгкаяJunior

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

ML / Data ScienceМетрикиЛёгкаяJunior

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

ML / Data ScienceВалидацияСредняяMiddle

DataLearn ML-101: Кодирование категориальных фичей

ML / Data ScienceFeature engineeringСредняяMiddle

DataLearn ML-101: Работа с несбалансированными классами

ML / Data ScienceImbalanced learningСредняяMiddle

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

ML / Data ScienceFeature selectionСредняяMiddle

zadachi_ds: Почему kNN ломается в высоких размерностях

ML / Data ScienceCurse of dimensionalityСредняяMiddle

zadachi_ds: Как понять, что модель переобучилась

ML / Data ScienceДиагностикаЛёгкаяJunior

zadachi_ds: Логистическая регрессия vs линейный SVM

ML / Data ScienceЛинейные моделиСредняяMiddle

zadachi_ds: L1 vs L2 регуляризация — геометрия и эффекты

ML / Data ScienceРегуляризацияСредняяMiddle

Хабр ML — bias-variance tradeoff на пальцах

ML / Data ScienceОсновыСредняяMiddle

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

ML / Data ScienceМетрикиСредняяMiddle

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

ML / Data ScienceМетрикиСредняяMiddle

Хабр ML — L1 vs L2 регуляризация: когда что выбирать

ML / Data ScienceРегуляризацияСредняяMiddle

Хабр ML — работа с дисбалансом классов в классификации

ML / Data ScienceПодготовка данныхСредняяMiddle

Хабр ML — кросс-валидация для временных рядов

ML / Data ScienceВалидацияСредняяMiddle

khangich (Intuit): спроектировать ранжирование

ML / Data ScienceML System DesignСложнаяSenior

khangich (Booking): автоматическое определение good value deals

ML / Data ScienceML System DesignСложнаяSenior

khangich (Netflix): фрод-детекция по логам логинов

ML / Data ScienceML System DesignСложнаяSenior

khangich (Apple): сегментация миллионов пользователей

ML / Data ScienceКластеризацияСложнаяSenior

khangich: как понять, что модель переобучается

ML / Data ScienceДиагностика моделейСредняяMiddle

khangich: что такое dropout и зачем

ML / Data ScienceНейросетиСредняяMiddle

khangich: batch normalization

ML / Data ScienceНейросетиСредняяMiddle

khangich: SGD, Adam, learning rate schedule

ML / Data ScienceОптимизацияСредняяMiddle

alexeygrigorev: где обычно зарыто переобучение через утечку фичей

ML / Data ScienceПодготовка данныхСредняяMiddle

khangich: cold-start в рекомендательных системах

ML / Data ScienceRecommender SystemsСложнаяSenior

khangich: ROC-AUC vs PR-AUC при дисбалансе

ML / Data ScienceМетрики качестваСредняяMiddle