Задание по data science доступно здесь
https://docs.google.com/document/d/1GBVY3IpqtIllHV4nMPS0uY2TwHv5novHuTTs0RvTfds

Прошу оповестить об ответе сюда, если решение отправите на почту (nas@gromik.pro). Спасибо!

Что вас ждет дальше:
Заполните небольшую анкету: https://ya.cc/t/HQCgONRkeCi8q
По результатам отклика мы свяжемся с вами в течение двух недель.

Suhbatdan o'tishga tayyorlaydigan bir qancha servislar bilan tanishamiz

Pramp — bu yerda siz, bir qancha kompaniyalar suhbatidan o'tishga tayyorlanishingiz mumkin.

Codesignal — bu yerda siz Facebook, Google, Microsoft'dagi haqiqiy suhbatlardan savollar topasiz.

Intervyu.io — bu sayt taniqli kompaniyalarning ajoyib dasturiy ta'minoti muhandislari bilan anonim suhbat xizmatini taklif etadi.

CheckIO — o'yin jarayonida ishlab chiqilgan, hamma darajadagi dasturchilar uchun vazifalar mavjud bo'lgan sayt.

E-Olimp — turli xil murakkablikdagi vazifalarning katta arxiviga ega bo'lgan test tizimi.

👉 @ITStarsUz

1) про футбол интересная задачка. Я бы запилил декартово дерево (имхо, самое простое для реализации руками случайно сбалансированное дерево поиска), с количеством потомков для каждой ноды, тогда порядковая статистика за логарифм считается.
2) в первой задаче — вроде 0 с ходу
3) последнюю не стал смотреть, остальные вроде просто


1) рабочее решение, но на собеседовании на доске могут возникнуть проблемы. Есть более простое. Давайте заведем 2 массива: a длины n, где будем хранить отображение id в разницу мячей. И заведем массив b длины 40m, что тоже укладывается в ограничения, куда мы сложим частичные суммы количества людей имеющих разницу не более i. Заметим, что мы перемещаем игрока каждый раз на расстояние не более 20, то бишь на каждый матч для 10 игроков надо прибавить/вычесть 1 из <= 20 ячеек и выдать b[a[0] + 20m]. Ну и понятно массив a нужно обновлять. И по скорости и по простоте кода такое решение сильно выигрывает



1) Почему ближайшие конкуренты Яндекс.Маркета — это онлайн и оффлайн магазины? Я.маркет — это ведь не магазин, а агрегатор. Как пользователя мою потребностью Я.Маркет решает, когда мне нужно сравнить цены в разных магазинах. Тут ближайшие прямые конкуренты Е-Каталог, Пульс цен и подобные агрегаторы.


2) В вопросе про детей и СМИ почему утверждается, что всего 6 пунктов? ещё куча вариантов, причем самых простых и очевидных для нашей родины :)
Если представить как признаки:
1) "совместное проживание": 0 — нет или 1 — да
2) "семейное положение" (немного сложнее): 0 — никогда не были в браке, 1 — разведены, 2 — в браке
Вами рассмотрены варианты относительно:
[1, 2] — "совместное проживание" = 1 следует -> "семейное положение" = 2
[0, 1] — "совместное проживание" = 0 следует -> "семейное положение" = 1


Теперь поехали перебирать остальные варианты:
1) [0, 0] — родитель могут и не жить вместе, но это не значит, что они в разводе, они могли никогда и не быть в браке
2) [0, 2] — родители могут и не жить вместе по каким-либо причинам, но при этом они состоят в законном браке
3) [1, 0] — родители оставшихся 18 детей хоть и живут вместе, но никогда не были в законном браке
4) [1, 1] — родители оставшихся 18 детей хоть и живут вместе, но разведены

#interview_questions

Продолжим с метриками. Напоминаю, что это очень важно знать. Скорее всего если вы не ответите на вопросы про метрики, шансов получить работу станет маловато.

⭐️Вопросы на сегодня:
1. Какие вы знаете метрики для регрессии?
Вкратце расскажите о каждой (как она считается, какой смысл несет).
2. Логистическая регрессия - это задача регрессии или классификации, может кластеризации?


Пишите в комментариях свои ответы, так будто вам задали этот вопрос на собеседовании. Ссылки на источники информации только приветствуются, чтобы те кто не знает ответ, могли сразу найти нужную инфу)

1. mse, rmse, mae, mape, smape, wape, r^2

mse - среднеквадратичная ошибка, сильно штрафует за большие отклонения, может использоваться как функция потерь, плохо интерпретируется

rmse - корень из среднеквадратичной ошибки, в отличии от первой лучше интерпретируется

mae - средняя абсолютная ошибка, хорошо интерпретируется, имеет проблемы с производной, поэтому не используется в качестве функции потерь

mape - средняя абсолютная ошибка в процентах, отлично интерпретируется

smape - симметричная средняя абсолютная ошибка в процентах, преимущество данной метрики в том, что одинаково штрафует за отклонения в большую, и в меньшую сторону

wape - взвешенная абсолютная ошибка, сталкивался с метрикой во временных ряда в задачах прогнозирования спроса, может кто знает в чем ее преимущества?

r^2 - показывает как хорошо модель объясняет дисперсию целевой переменной

2. Логрег возвращает скоры от 0 до 1, для скора подбирается порог отнесения к классу 1 и 0, что есть задача классификация