Каталог задач
1000 задач. Страница 7 из 20. Авторские задачи для подготовки к собеседованиям аналитиков с разборами решений.
Темы
Уровень
Сложность
По мотивам интервью в
301
DataLearn DE-101: Star vs Snowflake schema — какая модель подходит
Кейсы и метрикиМоделирование DWHСредняяJunior
302
DataLearn DE-101: SCD Type 2 — история изменения атрибутов
Кейсы и метрикиSlowly Changing DimensionsСредняяMiddle
303
DataLearn DE-101: AWS vs GCP vs Azure — выбор облака под аналитику
Кейсы и метрикиCloudЛёгкаяJunior
304
DataLearn DE-101: Airflow DAG для ежедневной загрузки заказов
Кейсы и метрикиOrchestrationСредняяMiddle
305
DataLearn DE-101: Стратегии инкрементальной загрузки
Кейсы и метрикиIncremental loadСредняяMiddle
306
DataLearn DE-101: Data Quality — какие тесты обязательны на витринах
Кейсы и метрикиData QualityЛёгкаяMiddle
307
DataLearn DE-101: Airflow vs Prefect vs Dagster — выбор оркестратора
Кейсы и метрикиOrchestrationЛёгкаяMiddle
308
Яндекс.Еда: Метрики утилизации курьеров и анализ простоев
Кейсы и метрикиOperations / MetricsСредняяMiddle
309
Яндекс.Еда: Атрибуция эффекта промокодов и оценка инкрементальности
Кейсы и метрикиPricing / PromoСложнаяMiddle
310
Хабр Кейс — оценить качество работы службы поддержки
Кейсы и метрикиДизайн метрикСредняяMiddle
311
Хабр Кейс — метрики качества поиска и выдачи
Кейсы и метрикиДизайн метрикСредняяMiddle
312
Хабр Кейс — назовите метрики Яндекс Браузера и его конкурентов
Кейсы и метрикиДизайн метрикЛёгкаяJunior
313
Хабр Кейс — найти Aha-moment для продукта
Кейсы и метрикиПродуктовая аналитикаСредняяMiddle
314
InterviewQuery Case — упала Daily Revenue: как декомпозировать
Кейсы и метрикиМетрики и декомпозицияСредняяMiddle
315
Glassdoor (Meta) Case — какие метрики у Messenger «здоровья» продукта
Кейсы и метрикиДизайн метрикСложнаяSenior
316
OBenner/data-engineering: что такое Kafka и зачем
Кейсы и метрикиData EngineeringСредняяMiddle
317
OBenner/data-engineering: Spark vs pandas, когда переходить
Кейсы и метрикиData EngineeringСредняяMiddle
318
OBenner/data-engineering: ETL vs ELT
Кейсы и метрикиData EngineeringСредняяMiddle
319
OBenner/data-engineering: SCD Type 1, 2, 3
Кейсы и метрикиData EngineeringСредняяMiddle
320
OBenner/data-engineering: спроектировать ежедневный DAG
Кейсы и метрикиData EngineeringСредняяMiddle
321
OBenner/data-engineering: data quality framework
Кейсы и метрикиData EngineeringСредняяMiddle
322
Сценарий: спроектировать метрики для onboarding в приложении
Кейсы и метрикиDesigning metricsСредняяMiddle
323
Сценарий: health score для B2B SaaS
Кейсы и метрикиDesigning metricsСложнаяSenior
324
Сценарий: метрики качества content discovery для контентного продукта
Кейсы и метрикиDesigning metricsСредняяMiddle
325
Сценарий: баг в metric pipeline — как найти и доказать
Кейсы и метрикиDiagnoseСредняяMiddle
326
Сценарий: аномалия в DAU — root cause анализ
Кейсы и метрикиDiagnoseСредняяMiddle
327
Сценарий: conversion drop в конкретном сегменте
Кейсы и метрикиDiagnoseСредняяMiddle
328
Сценарий: revenue упало в одной стране — разобрать
Кейсы и метрикиDiagnoseСредняяMiddle
329
Сценарий: tradeoff retention vs growth — что выбрать
Кейсы и метрикиTradeoffsСредняяSenior
330
Сценарий: quality vs speed — релизы или стабильность
Кейсы и метрикиTradeoffsСредняяMiddle
331
Сценарий: control vs flexibility — конфигурируемый vs мнения
Кейсы и метрикиTradeoffsСредняяMiddle
332
ML — фичи RFM для модели оттока пользователей
ML / Data ScienceFeature engineeringСредняяMiddle
333
ML — спрогнозировать бинарный target по клиентским признакам
ML / Data ScienceБинарная классификацияСредняяMiddle
334
Retentioneering: кластеризация пользователей по траекториям событий
ML / Data ScienceКластеризация и event-based аналитикаСложнаяMiddle
335
Яндекс ML — TwoFeatureGame: предсказать баланс матча по двум признакам
ML / Data ScienceБинарная классификацияСложнаяSenior
336
Яндекс ML — Утерянный язык: машинный перевод с few-shot fine-tuning
ML / Data ScienceNLP / машинный переводСложнаяSenior
337
Яндекс ML — Заклинание продолжения: восстановить пароль через LLM
ML / Data ScienceLLM / промпт-инжинирингСложнаяSenior
338
Яндекс ML — MSE vs MAE: когда какой использовать
ML / Data ScienceLoss-функцииЛёгкаяMiddle
339
Яндекс ML — L1 и L2 регуляризация: почему L1 отбирает признаки
ML / Data ScienceРегуляризацияСредняяMiddle
340
Яндекс ML — AUC-ROC и AUC-PRC: алгоритмы построения, когда что
ML / Data ScienceМетрики классификацииСредняяMiddle
341
Яндекс ML — Дисбаланс классов: способы борьбы
ML / Data ScienceКлассификация / дисбалансСредняяMiddle
342
Яндекс ML — Bias-Variance Decomposition: интерпретация и переобучение
ML / Data ScienceТеория обученияСредняяMiddle
343
Яндекс ML — Кросс-валидация: на что влияет число фолдов K
ML / Data ScienceВалидация моделиСредняяMiddle
344
Яндекс ML — Решающие деревья vs линейные модели: связь и различия
ML / Data ScienceДеревья / линейные моделиСредняяMiddle
345
Яндекс ML — SGD: зачем менять шаг и какие стратегии бывают
ML / Data ScienceОптимизацияСредняяMiddle
346
World of Tanks — прогноз DAU на 3 месяца вперёд
ML / Data ScienceПрогнозирование временных рядовСредняяMiddle
347
Skytec Games — предсказание оттока на шагах туториала
ML / Data ScienceБинарная классификация и оценкаСложнаяMiddle
348
Пиклема — модель прогноза скорости карьерных самосвалов по телеметрии
ML / Data ScienceTime series / regressionСложнаяMiddle
349
A1 Junior — прогноз ряда, классификация Target и анализ миграций тарифов
ML / Data ScienceTime series / classification / migration analysisСредняяJunior
350
Стажировка ML — Tree Barber: минимальная сумма энтропий после стрижки
ML / Data ScienceДеревья решений и энтропияСложнаяSenior