Вы используете алгоритм K-Means. Вы визуализировали результат и заметили, что два ваших кластера перекрываются в форме полумесяцев.
Какова наиболее вероятная причина такого поведения?
Какова наиболее вероятная причина такого поведения?
Anonymous Quiz
14%
K-Means чувствителен к наличию категориальных признаков.
7%
K-Means страдает от проблемы исчезающего градиента.
53%
K-Means предполагает, что кластеры имеют выпуклую форму.
26%
K-Means требует ручного указания количества кластеров ($k$).
👍1
Готовитесь к собеседованию в AI?
Вопросы по математической базе — стандартный этап отбора на позиции Data Scientist и ML Engineer. Вас спросят не только про код, но и про то, как работают алгоритмы «под капотом».
Прокачайте хард-скиллы на обновленном курсе «Математика для разработки AI-моделей».
Важный апдейт:
— теперь обучение включает живые вебинары;
— первый прошел, но второй стартует сегодня, 9 декабря;
— это шанс разобрать сложные вопросы с экспертами в прямом эфире.
Что внутри:
— линейная алгебра;
— матанализ;
— теория вероятностей.
Успейте присоединиться к потоку
Вопросы по математической базе — стандартный этап отбора на позиции Data Scientist и ML Engineer. Вас спросят не только про код, но и про то, как работают алгоритмы «под капотом».
Прокачайте хард-скиллы на обновленном курсе «Математика для разработки AI-моделей».
Важный апдейт:
— теперь обучение включает живые вебинары;
— первый прошел, но второй стартует сегодня, 9 декабря;
— это шанс разобрать сложные вопросы с экспертами в прямом эфире.
Что внутри:
— линейная алгебра;
— матанализ;
— теория вероятностей.
Успейте присоединиться к потоку
Какая проблема возникает, когда распределение входных данных (признаков X) в тестовой среде отличается от распределения, на котором обучалась модель, но при этом связь между входными данными и целевой переменной (P(Y∣X)) остается неизменной?
Anonymous Quiz
20%
Дисперсионный сдвиг (Variance Shift)
25%
Дисперсионный сдвиг (Variance Shift)
16%
Сдвиг метки (Label Shift)
39%
Ковариатный сдвиг (Covariate Shift)
👍1
Вы обучаете глубокую нейронную сеть, которая показывает 99% точности на обучающей выборке, но всего 70% на тестовой. Какое из следующих действий, скорее всего, поможет снизить переобучение (overfitting), не требуя сбора новых данных?
Anonymous Quiz
76%
Применить Dropout к скрытым слоям нейронной сети.
8%
Использовать более простую функцию активации, например, сигмоиду вместо ReLU.
6%
Уменьшить степень регуляризации $\lambda$ в функции потерь.
10%
Удалить все признаки с низкой дисперсией (Low Variance).
Вы строите модель и обнаруживаете, что хотя общая метрика производительности высока, индивидуальные p-значения большинства ваших переменных незначимы, а коэффициенты (weights) модели демонстрируют высокую чувствительность к небольшим изменениям в данных.
Anonymous Quiz
27%
Гетероскедастичность (Heteroscedasticity)
13%
Недообучение (Underfitting)
49%
Мультиколлинеарность (Multicollinearity)
12%
Автокорреляция остатков (Autocorrelation of Residuals)
❤2
Вы используете SVM для классификации, но обнаружили, что данные не являются линейно разделимыми в исходном пространстве признаков.
Какая техника позволяет SVM классифицировать нелинейные данные, не увеличивая явно размерность пространства?
Какая техника позволяет SVM классифицировать нелинейные данные, не увеличивая явно размерность пространства?
Anonymous Quiz
61%
Ядерный трюк (Kernel Trick)
13%
Эластичная сеть (Elastic Net Regularization)
22%
Снижение размерности с помощью PCA
4%
Случайная подвыборка признаков (Random Subspace)
❤1
При использовании алгоритма k-ближайших соседей (k-NN) для классификации, какое влияние будет иметь слишком маленькое значение k (например, k=1) на поведение модели?
Anonymous Quiz
30%
Модель будет иметь высокое смещение (Bias) и страдать от недообучения (Underfitting)
10%
Модель будет иметь низкую дисперсию (Variance) и высокую обобщающую способность
51%
Модель будет иметь высокую дисперсию, быть очень чувствительной к шуму и переобучаться
10%
Модель станет нечувствительной к масштабу признаков
❤2
Вы разрабатываете рекомендательную систему для нового стримингового сервиса. Какая из перечисленных ниже ситуаций является классическим примером проблемы холодного старта (Cold Start Problem)?
Anonymous Quiz
12%
Алгоритм не может обработать новый жанр фильма, так как он не был представлен в обучающей выборке
86%
Система не может давать качественные рекомендации новому пользователю, поскольку у него нет истории
0%
Серверы рекомендательной системы перегружены из-за внезапного всплеска активности пользователей
2%
Алгоритм слишком сложен, что приводит к долгому времени отклика при генерации рекомендаций
👍5
При оценке бинарного классификатора была построена Матрица ошибок. Какая метрика рассчитывается как отношение истинно положительных срабатываний ко всем фактически положительным случаям?
Anonymous Quiz
47%
Precision
3%
F1-Score
42%
Recall
9%
Accuracy
👍4🌚3
Математика — это фильтр на входе
На собеседованиях по DS часто валят не на коде, а на вопросах по линейной алгебре, статам или терверу. Не дай теории стать твоим узким местом.
Уравнение выгоды: 1 + 2.
Берешь три курса, платишь за один (тот, что дороже).
Что усилит резюме:
— Математика для Data Science;
— AI-агенты для DS-специалистов;
— ML для старта.
Обучить свою нейронку
До 31 декабря.
Саппорт: @manager_proglib
На собеседованиях по DS часто валят не на коде, а на вопросах по линейной алгебре, статам или терверу. Не дай теории стать твоим узким местом.
Уравнение выгоды: 1 + 2.
Берешь три курса, платишь за один (тот, что дороже).
Что усилит резюме:
— Математика для Data Science;
— AI-агенты для DS-специалистов;
— ML для старта.
Обучить свою нейронку
До 31 декабря.
Саппорт: @manager_proglib
При использовании L1-регуляризации (Lasso) в линейных моделях коэффициенты при некоторых признаках становятся строго равными нулю. Какое геометрическое свойство L1-нормы объясняет этот эффект?
Anonymous Quiz
12%
L1-норма является дифференцируемой во всех точках пространства
69%
Единичная сфера L1-нормы имеет острые углы на осях координат
14%
Производная L1-нормы пропорциональна значению самого веса
6%
L1-норма всегда меньше L2-нормы для любого вектора весов
При обучении случайного леса (Random Forest) мы используем Out-of-Bag (OOB) ошибку. Что это такое?
Anonymous Quiz
13%
Ошибка, которую модель выдает на полностью новых данных после деплоя
10%
Ошибка, возникающая из-за того, что деревья в лесу слишком глубокие
4%
Среднеквадратичная ошибка (MSE), рассчитанная по всей обучающей выборке
74%
Ошибка модели на данных, которые не попали в bootstrap-выборку для конкретного дерева
👍1
Какой из методов ансамблирования обычно дает наибольший выигрыш в качестве, если базовые модели сильно различаются по своей архитектуре (например, KNN, SVM и случайный лес)?
Anonymous Quiz
19%
Бэггинг (Bagging)
26%
Градиентный бустинг (Boosting)
8%
Случайный подпространственный метод (Random Subspace)
47%
Стэкинг (Stacking)
❤1
Вопрос с собеседования 2026: «Как вы организуете память в мультиагентной системе?»
Если вы отвечаете «просто передам контекст в промпт», вы, скорее всего, не получите оффер на позицию AI Engineer. Современные системы требуют работы с векторными БД, чекпоинтами в графах и RAG.
Подтяните хард-скиллы на нашем обновленном курсе «Разработка AI-агентов».
Что в программе:
— Паттерн ReAct и архитектура агентов;
— Работа с
— Инструменты AgentOps для мониторинга.
Практика с код-ревью и дипломный проект, который не стыдно показать на собеседовании.
Записаться
Если вы отвечаете «просто передам контекст в промпт», вы, скорее всего, не получите оффер на позицию AI Engineer. Современные системы требуют работы с векторными БД, чекпоинтами в графах и RAG.
Подтяните хард-скиллы на нашем обновленном курсе «Разработка AI-агентов».
Что в программе:
— Паттерн ReAct и архитектура агентов;
— Работа с
LangChain и LangGraph ;— Инструменты AgentOps для мониторинга.
Практика с код-ревью и дипломный проект, который не стыдно показать на собеседовании.
Записаться
Вы обучаете модель k-NN на наборе данных, где количество признаков (столбцов) внезапно увеличилось с 10 до 1000, при этом количество строк осталось прежним. Как это практически отразится на работе алгоритма k-NN?
Anonymous Quiz
1%
Модель станет работать быстрее, так как данных для сравнения стало больше
65%
Расстояния между всеми точками станут почти одинаковыми, и понятие "ближайший сосед" потеряет смысл
20%
Точность модели вырастет, так как 1000 признаков дают более детальное описание объектов
13%
Алгоритм k-NN автоматически выберет 10 лучших признаков и проигнорирует остальные
❤1
При построении дерева решений (Decision Tree) без ограничений, оно может расти до тех пор, пока в каждом листе не окажется ровно по одному объекту из обучающей выборки. К какому фундаментальному последствию для характеристик модели это приводит?
Anonymous Quiz
10%
У модели будет низкое смещение (low bias) и низкая дисперсия (low variance)
15%
У модели будет высокое смещение (high bias) и высокая дисперсия (high variance)
57%
У модели будет очень низкое смещение (low bias), но очень высокая дисперсия (high variance)
17%
У модели будет очень высокое смещение (high bias), но очень низкая дисперсия (low variance)
❤1
Вы обучаете нейронную сеть и замечаете, что на графике Train Loss сначала стабильно падает, а затем начинает резко колебаться или даже расти. При этом точность перестает улучшаться.
Какое изменение, скорее всего, поможет стабилизировать процесс?
Какое изменение, скорее всего, поможет стабилизировать процесс?
Anonymous Quiz
79%
Уменьшить скорость обучения (Learning Rate)
3%
Увеличить количество эпох обучения
10%
Отключить все слои Dropout
8%
Убрать слои нормализации (например, Batch Normalization)
👍2
При работе с RNN для обработки длинных последовательностей часто возникает проблема, из-за которой модель «забывает» информацию, полученную в самом начале последовательности.
Какое архитектурное решение было разработано для борьбы с этой проблемой?
Какое архитектурное решение было разработано для борьбы с этой проблемой?
Anonymous Quiz
1%
Перцептрон (Multilayer Perceptron)
93%
Долгая краткосрочная память (Long Short-Term Memory, LSTM)
4%
Сверточный слой (Convolutional Layer)
1%
Полносвязный слой (Dense Layer)
Задача — предсказать, совершит ли клиент покупку в интернет-магазине. В датасете вы обнаружили признак «ID транзакции чека». Вы включили его в модель, и она показала AUC-ROC = 0.999. Однако при проверке на новых данных модель не работает.
Что произошло?
Что произошло?
Anonymous Quiz
10%
Модель слишком простая для таких данных
5%
В данных могут быть пропуски
20%
Вы использовали неправильную метрику качества
65%
Произошла утечка
❤2
Вы обучаете RNN для генерации текста. В процессе обучения вы замечаете в логах, что значения Loss внезапно становятся NaN, а веса модели принимают экстремально большие значения.
Какая техника является наиболее простым способом борьбы с этой проблемой?
Какая техника является наиболее простым способом борьбы с этой проблемой?
Anonymous Quiz
18%
Dropout (Дропаут)
48%
Gradient Clipping (Обрезка градиентов)
26%
L2-регуляризация (Ridge)
8%
Увеличение размера батча (Batch Size)
❤1
Вы работаете с данными, которые имеют сложную форму: два кластера вложены друг в друга как кольца. Вы попробовали K-Means, но он разделил кольца вертикально.
Какой алгоритм лучше всего справится с этой задачей, не требуя указывать количество кластеров?
Какой алгоритм лучше всего справится с этой задачей, не требуя указывать количество кластеров?
Anonymous Quiz
10%
Agglomerative Clustering
15%
Метод главных компонент (PCA)
13%
Гауссовы модели (Gaussian Mixture Models)
61%
DBSCAN
👍1