🔥 7 вопросов, которые Вам точно зададут на собеседовании по SQL

SQL - один из самых популярных языков в IT-индустрии. Не важно кто Вы - аналитик, Data Scientist, Frontend-разработчик или финансист - SQL на собеседовании у Вас все равно будут спрашивать.

Подготовили для Вас 7 вопросов, которые Вам наверняка зададут на собеседовании по SQL. Обязательно их проработайте, чтобы не ударить в грязь лицом 😎

-----

А чтобы Ваша подготовка была легче и эффективней, собрали для Вас несколько полезных материалов ✅

1. ОКОННЫЕ ФУНКЦИИ

Разница между ROWNUMBER, RANK и DENSERANK 👉🏻bit.ly/article_rank

Задача про RANK 👉🏻 https://vk.com/itresume/sql?w=wall-197837145_257

2. РАБОТА С ДАТОЙ И ВРЕМЕНЕМ

Работа с датой и временем в MySQL 👉🏻 https://vk.com/itresume/sql?w=wall-197837145_3

Задача про DATE 👉🏻 https://vk.com/itresume/sql?w=wall-197837145_614

3. COMMON TABLE EXPRESSION

Что такое CTE 👉🏻 https://news.1rj.ru/str/it_resume/178

4. УСКОРЕНИЕ SQL-ЗАПРОСОВ

5 советов по оптимизации SQL-запросов 👉🏻 bit.ly/39KqJeX

Оптимизируем запрос в 125 раз! 👉🏻 https://vk.com/itresume/sql?w=wall-197837145_363

Хранимые процедуры SQL 👉🏻 bit.ly/2HLbpn3

-----

Удачи на собеседованиях ❤️

​​GROK IT!

❓Задача по Python: Что выведет код?

Правильный ответ раскроем завтра 😏

#grokit #python

​​🔔 Собака или кошка? Разбор Precision, Recall, F1 Score и других метрик классификации.

Вы сможете отличить собаку от кошки? А как понять, насколько хорошо это умеет делать компьютер?

Сегодня в статье поговорим об основных метриках качества моделей классификации:

- Познакомимся с видами ошибок (FP, FN, TP, TN)
- Разберемся с основными метриками: Precision, Recall, F1-Score
- Обсудим дополнительные метрики: Accuracy, Specificity, Fall-out

И все это на примере кошечек и собачек. После прочтения Вы точно сможете проверить свой алгоритм на вшивость (точнее блохастость) 😉

#ml #math

​​GROK IT! Ответ на задачу о timestamp 🔔

❓Вчера опубликовали вопрос: Что выведет код?

from datetime import datetime

print(datetime.fromtimestamp(0))

» 1970-01-01 01:00:00
» 1900-01-01 01:00:00
» Текущую дату и время
» Error

✅ Ответ: 1970-01-01 01:00:00

💥 Объяснение:

При работе с датой и временем обязательно нужно знать концепцию timestamp (метка времени). Именно с timestamp работают почти все современные системы.

Timestamp - это целое число, которое соответствует некоторой дате и времени. Соответственно, от какого-то момента идет отсчет времени - и для этого "начала начал" метка времени должна равняться нулю.

Действительно, такой момент времени - 1970-01-01 01:00:00.

В нашем примере функция fromtimestamp из модуля datetime языка Python принимает на вход число 0. На выходе эта функция возвращает дату и время, которые соответствуют данному timestamp. 0 - это "начало начал", а соответственно, 1970-01-01 01:00:00.

Кстати говоря, все даты до 1970-01-01 01:00:00 тоже обозначаются целыми числами, но с отрицательным индексом.

Чтобы прокачать навыки работы с датой и временем в Python, читайте нашу статью здесь -> bit.ly/3uNDNZC


❗️Таким образом, правильный ответ - 1970-01-01 01:00:00


#grokit #python

​​Рубрика «Вопросы с собеседований» 💥

❓Какие есть метрики оценки качества классификации?

✅ Ответ:


# КАКИЕ БЫВАЮТ ОШИБКИ

Сначала давайте определимся, какие бывают ошибки. Когда Вы проводите классификацию, возможны 4 исхода:

1. True Positive (TP) - классификатор верно отнес объект к нужному классу. Например, бигль - собака.
2. True Negative (TN) - классификатор верно не отнес объект в определенному классу. Например, курица - не собака.
3. False Positive (FP) - классификатор ошибся и отнес объект к неверному классу. Например, курица - собака.
4. False Negative (FN) - классификатор ошибся и утверждает, что объект не относится к некоторому классу, хотя он на самом деле относится. Например, классификатор утверждает, что бигль - не собака.

Вооружившись этими терминами, перейдем к метрикам.


# МЕТРИКИ КЛАССИФИКАЦИИ

Вообще метрик придумано достаточно много (а также существуют их различные комбинации), но мы перечислим основные и самые популярные:

✓ Precision - сколько реальных объектов класса среди всех тех, что классификатор отнес к этому классу.

✓ Recall - какую долю из общих объектов класса составляют найденные объекты.

✓ Accuracy - делим число правильных ответов на общее число ответов классификатора.

✓ Specificity - насколько правильно классификатор не относит объекты к классу.

✓ Fall-out, FPR - насколько часто классификатор относит объекты в неверный класс.

✓ F1 Score - среднее гармоническое значение между precision и recall.

💥 Чтобы подробны изучить каждую из метрик (с формулами и примерами), читайте нашу статью 👉🏻 bit.ly/30QHC2r

#interview_problems #datascience

​​✅ Что такое self в Python?

Один из самых частых вопросов по теме ООП в Python - а что значит аргумент self в методах?

Сегодня отвечаем на этот вопрос раз и навсегда - больше у Вас не будет путаницы 😎

Забирайте себе, чтобы повторить перед собеседованием 👇🏻

#python

GROK IT!

❓Задача по SQL: Что имеет более высокий приоритет: ! или NOT?

Правильный ответ раскроем завтра 😏

#grokit #sql