#1 ЖЁСТКОЕ Собеседование Middle Data Science | Classic ML | Реальные задачи с собеседований

Доведение с нуля до ОФФЕРА 💸 - https://ds-mentor.ru/

🔎 Хочешь узнать, с какими задачами сталкиваются на собеседованиях по Data Science? В этом видео я провожу сложное интервью на позицию Middle Data Scientist и объясняю ключевые темы, которые вызвали трудности у кандидата.

📊 Разбираем:
Линейная и логистическая регрессия
Precision, Recall, ROC-AUC "на пальцах"
Регуляризации L1, L2 и ElasticNet
Метрики классификации и их применение в реальных задачах
Считаем ручками Precision, Recall и ROC-AUC

💡 Проверь свои знания и подготовься к собеседованию!

Привет!
Я Дима Савелко - Ментор и Deep Learning Engineer (ClassicML, NLP/LLM) с 4-летним опытом коммерческой разработки как на СНГ сегменте, так и на зарубежном рынке. Параллельно официальной работе руковожу AI-командой для реализации проектов, решая задачи бизнеса с помощью ИИ. Также обо мне вы можете почитать в моём телеграм-канале!

Ссылки:
tg: https://t.me/ngmdite
tg-channel: https://t.me/eboutdatascience

Таймкоды:
00:00 Приветствие
00:29 Что такое линейная регрессия?
02:30 Что такое регуляризация?
04:20 Что такое переобучение?
07:22 Как можно обнаружить переобучение без использования метрик?
10:02 Что такое асимметричные метрики?
10:43 Что такое логистическая регрессия?
11:29 Что такое отступ логистической регрессии?
12:23 Какие бывают метрики классификации?
14:07 Что такое ROC-AUC и PR-AUC? Какие плюсы и минусы?
17:23 Когда важен Precision, а когда Recall? Практические примеры
19:30 Какие методы существуют для многоклассовой классификации?
20:28 Какое количество моделей при All-vs-All?
23:05 Что такое макро-микро метрики?
23:57 Считаем Precision, Recall, ROC-AUC ручками!
26:08 Объясняю подсчёт ROC-AUC
33:50 Проблемы построенной кривой ROC-AUC
35:28 Прощание

#DataScience #МашинноеОбучение #СобеседованиеDataScience