🤔 В чем преимущество медианы над средним?

Медиана менее чувствительна к выбросам, чем среднее (mean):
- Среднее (Mean) – учитывает все значения, поэтому искажается выбросами.
- Медиана (Median) – просто находит центральное значение в упорядоченном ряду, игнорируя крайние выбросы.
Медиана особенно полезна при распределении доходов, цен, длительностей и других данных с выбросами.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

🤔 Что такое градиентный спуск?

Это оптимизационный алгоритм, минимизирующий функцию потерь путем движения в сторону наибольшего уменьшения ошибки:
1. Инициализация случайными параметрами.
2. Вычисление градиента функции потерь по параметрам модели.
3. Обновление параметров модели в направлении, противоположном градиенту (шаг вниз по наклону).
4. Повторение процесса до сходимости или достижения минимальной ошибки.
Градиентный спуск бывает обычный (Batch), стохастический (SGD) и мини-батч.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

🤔 Какие значения может давать предсказание модели?

- Классификация – дискретные категории (0/1, "Кошка" или "Собака").
- Регрессия – непрерывные числа (цены, температуры).
- Вероятности – от 0 до 1, если модель использует Softmax или Sigmoid.
Выбор типа предсказаний зависит от задачи и модели.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

🤔 Как валидировать временные ряды?

Временные ряды требуют специальной стратегии валидации, так как классическое разбиение данных на train/test не подходит. Основные методы:
- Time-based Split – тестовая выборка содержит только будущие данные, исключая утечки информации.
- Rolling Validation (скользящее окно) – обучаем на данных до момента tt, тестируем на интервале t+1t+1.
- Expanding Window Validation – постепенно увеличиваем обучающую выборку, добавляя новые данные.
- Walk Forward Validation – прогнозируем один шаг вперёд, затем обновляем модель.
Эти методы помогают адекватно оценить модель без утечек информации.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

На easyoffer 2.0 появится:
🎯 Тренажер "Проработка вопросов"

✅ Метод интервальных повторений и флеш-карточки
✅ Персональный подход изучения на основе ваших ответов
✅ Упор на самые частые вопросы

📌 Интервальные повторения по карточкам это научно доказанный метод эффективного обучения. Каждая карточка – это вопрос, который задают на собеседовании, вы можете выбрать "Не знаю", "Знаю", "Не спрашивать". После ответа вам показывается правильный ответ и возможность изучить вопрос подробнее (примеры ответов других людей). От ваших ответов зависит то, как часто карточки будут показываться на следующей тренировке. Трудные вопросы показываются чаще, простые – реже. Это позволяет бить в слабые места. Кроме того, изначальный порядок карточек зависит от частотности (вероятности встретить вопрос).

🚀 Благодаря этому тренажеру вы сможете очень быстро подготовиться к собеседованию, т.к. фокусируетесь отвечать на самые частые вопросы. Именно так готовился я сам, когда искал первую работу программистом.

Уже в течение недели я объявлю о старте краудфандинговой кампании на сбор финансирования, чтобы ускорить разработку сайта. Все кто поддержит проект до официального релиза получат самые выгодные условия пользования сервисом. А именно 1 год доступа к сайту по цене месячной подписки.

‼️ Очень важно, чтобы как можно больше людей поддержали проект в первые дни, по-этому те кто окажет поддержку первыми получат еще более выгодную стоимость на годовую подписку и существенный 💎 бонус о котором я позже расскажу в этом телеграм канале. Подписывайтесь, чтобы узнать о старте проекта раньше других и воспользоваться лимитированными вознаграждениями.

🤔 За что MAPE штрафует больше: за перепрогноз или недопрогноз?

MAPE (Mean Absolute Percentage Error) штрафует недопрогноз сильнее, так как ошибка считается в относительных величинах. При недооценке фактического значения процентная ошибка будет выше, чем при переоценке. Особенно критично для малых значений в знаменателе.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

🤔 Что такое F-score и зачем его используют?

Это гармоническое среднее precision (точности) и recall (полноты), учитывающее их баланс. Используется в задачах классификации, особенно при дисбалансе классов, так как позволяет учитывать не только правильность предсказаний, но и пропущенные объекты.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний