🤔 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

🤔 Где используются линейные модели?

Линейные модели применяются в экономике, маркетинге, финансах, медицине, прогнозировании спроса, ценообразовании, анализе клиентов, в задачах скоринга, оценке кредитного риска и во многих областях, где важно интерпретируемое и устойчивое предсказание.

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

На easyoffer 2.0 появится новый раздел:
Задачи с собеседований

🟠Задачи на Алгоритмические, Live-coding и System Design из реальных собеседований
🟠Вероятность встретить ту или иную задачу
🟠Возможность подготовиться к задачам конкретной компании

Есть много сайтов, на которых можно тренироваться решать задачи, но у них у всех одна проблема – сами задачи люди просто выдумывают. На easyoffer 2.0 вы сможете готовиться к live-coding и system design секциям на основе задач из реальных собеседований. Вы можете найдете самые частые задачи и сделаете упор на их решение.

Считаные дни остались до старта краудфандинговой кампании, чтобы ускорить разработку easyoffer 2.0. Все кто, поддержал проект на этом этапе смогу получить 1 год доступа к сайту по цене месячной подписки, а те кто поддержат проект раньше других ито дешевле + получат существенный бонус. Следите за стартом 👉 в этом телеграм канале.

🤔 Когда ROC AUC плохо определяет качество классификатора?

Неэффективен при сильном дисбалансе классов, так как может показывать высокий результат даже при плохой классификации минорного класса. В таких случаях лучше использовать PR AUC (Precision-Recall AUC), который более чувствителен к редким событиям.

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

На easyoffer 2.0 появится:
Тренажер "Реальное собеседование"

🟠 Сценарии вопросов из реального собеседования
🟠Возможность подготовиться к собеседованию в конкретную компанию
🟠Итоговая статистика (прошёл/не прошёл)

Сценарий вопросов взят из реального собеседования. То есть вы тренируетесь на тех вопросах, которые действительно задавались в компании X.

Уже в начале следующей недели стартует краудфандинг кампания, чтобы ускорить разработку easyoffer 2.0. Все кто, поддержал проект на этом этапе смогу получить 1 год доступа к сайту по цене месячной подписки. Первые 150 донатеров получать особо-выгодную цену и бонус. Следите за стартом 👉 в этом телеграм канале, в нем информация о старте будет опубликована за 6 часов до официального начала.

🤔 Чем градиентный бустинг над деревьями отличается от случайного леса? Какие базовые параметры настраиваются?

Градиентный бустинг обучает деревья последовательно, исправляя ошибки предыдущих, а случайный лес – независимо, усредняя результаты. Бустинг сложнее, но дает более точные результаты. Настраиваемые параметры: глубина деревьев, число деревьев, скорость обучения (learning rate), количество отбираемых признаков и критерии разбиения.

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