Встречается на собеседованиях • сегодня

Какие знаешь классические задачи машинного обучения

  1. Классификация - предсказание категории (спам/не спам, диагноз). Пример с LogisticRegression:
python
from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
model.fit(X_train, y_train)
predictions = model.predict(X_test)
  1. Регрессия - прогноз числового значения (цена дома, температура). Пример с LinearRegression:
python
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X_train, y_train)
  1. Кластеризация - группировка похожих объектов (сегментация пользователей). Пример с KMeans:
python
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
  1. Понижение размерности - сокращение признаков (PCA, t-SNE):
python
from sklearn.decomposition import PCA
pca = PCA(n_components=2)
X_reduced = pca.fit_transform(X)

  1. Рекомендательные системы - предсказание предпочтений (collaborative filtering).

  2. Аномалии - обнаружение выбросов (Isolation Forest, One-Class SVM).

  3. Ранжирование - упорядочивание объектов (поисковые выдачи).

  4. Генерация текста - NLP задачи (GPT, LSTM).

Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы