Ваня Акулов проходил собес публично. спасибо собеседующему, чувствуется долгий преподавательский опыт

== Публичное собеседование: "Чистый код, чистая нода, чистые функции"
https://youtu.be/sNFPdfgax3Q

В каких задачах и при использовании каких алгоритмов возникает «проблема мультиколлинеарности»?

Ответ

Мультиколлинеарность - два признака называются мультиколлинеарными, если два признака сильно коррелированы/зависимы. Изменения в одном признаке влекут за собой изменения в другом признаке.

Мультиколлинеарность влияет на алгоритмы линейной регрессии, логистической регрессии, KNN и Наивного Байеса.

======================

Линейная регрессия - из-за мультиколлинеарности линейная регрессия дает неверные результаты, и производительность модели снижается.

Это может уменьшить общий коэффициент, а также значение p (известное как значение значимости) и вызвать непредсказуемую дисперсию. Это приведет к переобучению, когда модель может отлично работать на известном тренировочном наборе, но потерпит неудачу на неизвестном наборе тестов. Поскольку это приводит к более высокой стандартной ошибке с более низким значением статистической значимости, мультиколлинеарность затрудняет определение того, насколько важен признак для целевой переменной. А при более низком значении значимости невозможно отклонить нулевое значение и приведет к ошибке второго рода для проверки нашей гипотезы.

=======================

Логистическая регрессия. Логистическая регрессия — это обобщенная линейная модель регрессии, на которую также влияет мультиколлинеарность.

=======================

KNN - из-за мультиколлинеарности точки становятся очень близкими, дают неверные результаты, и это влияет на производительность.

=======================

Наивный байесовский подход — основное предположение NB состоит в том, что признаки независимы. если функции коррелированы, предположение будет ошибочным.

=======================

На мой взляд, попытка решать любую задачу в предметной области указанными методами создает потенциальную угрозу мультиколлинеарности.

@machinelearning_interview

2нм и уже в тестах 1.5нм... ух. куда дальше то ?

== https://youtu.be/TwgvJSOa09M

с примерами на JavaScript

10 Design Patterns Explained in 10 Minutes
== https://youtu.be/tv-_1er1mWI

​​Ungoogled-Chromium – специальный форк бесплатного браузера Chromium, ориентированный на защиту конфиденциальности

С чисто визуальной точки зрения нет большой разницы между «Ungoogled Chromium» и Chromium или Chrome. Изменения можно найти под капотом: все функции, которые связываются с серверами Google, были деактивированы. Это такие функции, как Google Host Detector или Google URL Tracker

⤷ Ссылка на проект

GitHub | #Chromium #Security #Privacy #Browser #Useful

punq надо юзать

== Александр Шибаев. Внедрение зависимостей, контейнеры и прочие проявления SOLID в питоне
https://youtu.be/ir4GtcUcCf8

== PUNQ
https://github.com/bobthemighty/punq

An unintrusive library for dependency injection in modern Python.
- No global state
- No decorators
- No weird syntax applied to arguments
- Small and simple code base with 100% test coverage and developer-friendly comments

если коротко "потому что это действительно так сложно"

ждем когданибудь pyproject.toml

== Григорий Петров / Управление зависимостями в Python: история боли
https://youtu.be/fP8oGx6ZA5o

- устанавливаем
- добавляем раздел
- шифруем
- добавляем автомаунт

== Kali Linux 2021 на флешке с сохранением (persistence & LUKS)
https://youtu.be/ywFrxQSnpVI

== What does API Gateway DO ?

как сделать транспорт для торговых ядер биржи в двух словах

спойлер они использовали tarantool и b+tree

200к транзакций / сек

== Угнать за 5 миллисекунд
https://youtu.be/Rl4jGw-9_Wg

продолжаю ковырять нейронку генерации изображений по тексту
вы этот раз Midjourney
https://www.midjourney.com/home/

блин. формулировать меньше надо чтобы чтото внятное получить

нравица

плюс бесплатно