Библиотека собеса по Data Science | вопросы с собеседований
Відкрити в Telegram
Вопросы с собеседований по Data Science и ответы на них. Учиться у нас: clc.to/GjjbkQ По рекламе: @tproger_sales_bot Учиться у нас: https://proglib.io/w/7dfb7235 Для обратной связи: @proglibrary_feeedback_bot
Показати більше
Сітка:4 464
Підписники
-324 години
+27 днів
-1630 днів
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
вересень '26
вересень '26
+17
в 0 каналах
серпень '26
+38
в 0 каналах
Get PRO
липень '26
+32
в 0 каналах
Get PRO
червень '26
+76
в 2 каналах
Get PRO
травень '26
+79
в 1 каналах
Get PRO
квітень '26
+98
в 1 каналах
Get PRO
березень '26
+109
в 0 каналах
Get PRO
лютий '26
+78
в 2 каналах
Get PRO
січень '26
+90
в 1 каналах
Get PRO
грудень '25
+46
в 1 каналах
Get PRO
листопад '25
+66
в 1 каналах
Get PRO
жовтень '25
+55
в 0 каналах
Get PRO
вересень '25
+43
в 0 каналах
Get PRO
серпень '25
+48
в 2 каналах
Get PRO
липень '25
+62
в 0 каналах
Get PRO
червень '25
+50
в 0 каналах
Get PRO
травень '25
+53
в 0 каналах
Get PRO
квітень '25
+82
в 2 каналах
Get PRO
березень '25
+136
в 52 каналах
Get PRO
лютий '25
+111
в 31 каналах
Get PRO
січень '25
+147
в 36 каналах
Get PRO
грудень '24
+180
в 35 каналах
Get PRO
листопад '24
+216
в 38 каналах
Get PRO
жовтень '24
+191
в 37 каналах
Get PRO
вересень '24
+144
в 36 каналах
Get PRO
серпень '24
+201
в 36 каналах
Get PRO
липень '24
+193
в 35 каналах
Get PRO
червень '24
+177
в 30 каналах
Get PRO
травень '24
+198
в 36 каналах
Get PRO
квітень '24
+226
в 36 каналах
Get PRO
березень '24
+261
в 30 каналах
Get PRO
лютий '24
+275
в 30 каналах
Get PRO
січень '24
+269
в 24 каналах
Get PRO
грудень '23
+493
в 33 каналах
Get PRO
листопад '23
+471
в 12 каналах
Get PRO
жовтень '23
+1 388
в 22 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 15 вересня | +4 | |||
| 14 вересня | 0 | |||
| 13 вересня | 0 | |||
| 12 вересня | 0 | |||
| 11 вересня | +3 | |||
| 10 вересня | +1 | |||
| 09 вересня | +5 | |||
| 08 вересня | +1 | |||
| 07 вересня | 0 | |||
| 06 вересня | 0 | |||
| 05 вересня | +1 | |||
| 04 вересня | 0 | |||
| 03 вересня | +1 | |||
| 02 вересня | +1 | |||
| 01 вересня | 0 |
Дописи каналу
💬 Как инициализировать параметры в логистической регрессии, и важно ли это
Частый вариант: веса
𝑤
w инициализируют нулями или малыми случайными значениями.
🔎 Почему работает: отрицательный логарифм правдоподобия в логистической регрессии — выпуклая функция, поэтому оптимизация сходится к глобальному минимуму независимо от стартовой точки.
🔎 Когда стоит подумать о случайной инициализации: при огромном числе признаков или сильно скоррелированных признаках случайная инициализация может помочь избежать вырожденных конфигураций.
🙂 Для стандартных задач нулевая инициализация чаще всего достаточно хороша; проблем с глобальным минимумом не возникает.
🐸 Библиотека собеса по Data Science
| 2 |  😭 Как не потратить недельный лимит AI-кодинга за три дня?
Разберём на вебинаре, как тратить меньше на AI-агентов — без потери качества кода.
🔘 Поговорим о том:
— когда дорогая модель действительно нужна, а когда хватит дешёвой;
— сколько стоит один прогон и куда уходят токены;
— какие задачи можно отдавать субагентам;
— как настроить маршрутизацию моделей;
— что проверять в AI-коде перед merge.
✏️ Покажем всё на конкретных цифрах и вживую: сравним расходы до и после.
⬇️ 18 сентября, 19:00 МСК
⬇️ 1,5 часа · бесплатно
⬇️ Арсений Харланов и Олег Лайок
💬 Пишите в комментариях, где упираетесь в лимиты и на что уходят деньги. Самые залайканные вопросы разберём на вебинаре.
🔗 Зарегистрироваться на вебинар | 133 |
| 3 | ❓ Могут ли в Adam возникать проблемы исчезающих или взрывающихся градиентов
Да, полностью избежать этих проблем Adam не может. Хотя адаптивное изменение шагов помогает уменьшить эффект исчезающих или взрывающихся градиентов, при определённых архитектурах или распределениях данных они всё равно могут появляться.
Если градиенты резко становятся очень большими, шаг Adam тоже может временно стать слишком большим, особенно если оценка второго момента ещё не усреднилась. В обратной ситуации — при очень маленьких градиентах — Adam постепенно уменьшает шаг, что может привести к слишком медрому обучению, даже если параметрам нужно сделать крупные поправки.
📌 Вывод: Adam снижает риск, но не полностью устраняет проблемы исчезающих и взрывающихся градиентов — архитектура сети и нормализация данных по-прежнему критически важны.
🐸 Библиотека собеса по Data Science | 455 |
| 4 |  👅 Самое сложное — выбрать не курс, а направление
Сегодня хочется разобраться в AI-агентах. Через пару недель появляется задача, где нужны алгоритмы. Потом понимаешь, что неплохо бы освежить Python или математику для Data Science.
🔜 Именно поэтому подписка на обучение многим оказывается удобнее отдельных курсов. Можно спокойно переключаться между темами, когда меняются задачи, а не покупать новую программу каждый раз.
В подписку Proglib Academy входят все основные направления — AI, ML, Python, алгоритмы, математика для DS и другие курсы, а ещё закрытый видеохаб с вебинарами практиков.
Начать можно с пробного месяца. Если решите остаться, его стоимость зачтётся при оформлении подписки 😎
🔗 Узнать подробнее
🏃♀️ Proglib Academy | 316 |
| 5 | Один доступ вместо вечного выбора между «нужно для работы» и «давно хотелось изучить» 👇 | 364 |
| 6 | Как ортогонально направлена первая главная компонента относительно исходного облака точек? | 526 |
| 7 |  🎯 У разработчика, DevOps-инженера и техлида разные причины задуматься о системной работе с AI-агентами
Но цель одна: перейти от случайных удачных запусков к управляемому процессу на реальном проекте — с понятными правилами, ревью, контролем расходов и безопасности ✔️
На курсе «ИИ для разработчиков» участники выстраивают такой процесс на практике: подключают инструменты, задают границы для агента и учатся понимать, где ему можно доверять работу, а где требуется проверка.
⚡️ Предзапись на осенний поток уже открыта
🏃♀️ Proglib Academy | 386 |
| 8 | Разработчик, DevOps-инженер или техлид — у каждого своя причина навести порядок в работе с AI-агентами.
Разбираем, чем отличаются их задачи 💡 | 423 |
| 9 | Что вернёт LEFT JOIN, если справа нет совпадения? | 442 |
| 10 | Что такое ошибка первого рода?
| 441 |
| 11 | При увеличении количества признаков D (например, до D > 100) геометрия пространства резко меняется: все точки становятся почти одинаково удаленными друг от друга.Как реагирует классический KNN на резкое увеличение размерности пространства? | 479 |
| 12 |  У вас в проекте есть файл вроде utils_v2_final_FIX.py, который все боятся трогать ❓
Что делаете с таким легаси?
❤️ Не трогаю: работает — и ладно
👍 Переписываю с нуля и надеюсь на лучшее
🔥 Сначала покрываю тестами, потом рефакторю по частям
👾 У нас такого нет — честно-честно
На курсе «ИИ для разработчиков» разберём третий подход: как с помощью агента зафиксировать текущее поведение легаси-кода тестами, а затем менять его небольшими безопасными шагами — без одного огромного PR на тысячу файлов.
До 31 июля действует скидка и бессрочный доступ к материалам.
🔗 Занять место со скидкой
🏃♀️ Proglib Academy | 365 |
| 13 | Когда название файла уже само по себе считается техническим долгом ⚡️ | 402 |
| 14 | В зависимости от природы признаков используются разные варианты модели.
Какую версию наивного Байеса следует выбрать, если ваши признаки — это частоты слов (Count/TF-IDF) в задаче классификации текстов? | 447 |
| 15 | В Isolation Forest из множества таких случайных деревьев собирается ансамбль (лес).
Что является ключевой метрикой для вычисления Anomaly Score конкретного объекта? | 469 |
| 16 | Для нелинейного разделения SVM использует ядерный трюк K(x,x′).
Что именно вычисляет функция ядра K(x,x′) без явного перевода объектов в пространственную размерность высочайшей степени? | 454 |
| 17 |  📈 Скоро фраза «умею пользоваться AI» в резюме будет звучать так же странно, как сегодня «умею пользоваться Git»
Это просто станет частью профессии. А вот умение встроить AI в процесс разработки так, чтобы он действительно ускорял работу команды, останется конкурентным преимуществом 💡
🔜 На курсе «ИИ для разработчиков» участники работают со своими проектами и учатся делать AI частью ежедневной разработки: планировать задачи, писать код, проверять изменения, готовить PR и автоматизировать рутину.
До конца июля действует специальная цена — 59 990 ₽ вместо 79 990 ₽ 🥳 И получить бессрочный доступ ко всем материалам курса.
🔗 Посмотреть, как устроен курс
🏃♀️ Proglib Academy | 451 |
| 18 | Курс для тех, кто хочет перестать просто «пользоваться AI» и начать выстраивать с ним нормальный процесс разработки 🥳 | 446 |
| 19 | Несмотря на красивую математику, спектральную кластеризацию редко применяют в лоб на датасетах из миллионов объектов.
Какое главное вычислительное ограничение мешает применять точную спектральную кластеризацию к Big Data? | 522 |
| 20 | Почему бустинг над деревьями работает в пространствах высокой размерности, где KNN теряет эффективность? | 505 |
