Перейти к содержимому
JS
JScriptiser
Система Онлайн
Патчи
Платформа
Квиз
FAQ
🇺🇸
en
Войти
В Лабораторию
Войти
База знаний
Machine Learning
Основы ML
Основы ML
Supervised/unsupervised, метрики, train/val/test, регуляризация
Все
Легкие
Средние
Сложные
По умолчанию
По популярности
Сначала легкие
Сначала сложные
Развернуть
Свернуть
1
Легкий
10
Что такое задача классификации в ML: какие у неё типы (бинарная, мультиклассовая, multi-label) и метрики?
2
Легкий
11
Что такое градиентный спуск и зачем он нужен в машинном обучении?
3
Легкий
9
Какие метрики используются для оценки качества ML-модели и как выбрать подходящую?
4
Средний
10
Как правильно провести A/B-тест: гипотеза, размер выборки, p-value и минимальный значимый эффект (MDE)?
5
Легкий
9
Что такое задача регрессии в ML и чем она отличается от задачи классификации?
6
Средний
7
Как решать задачи с вероятностями на собеседовании: условная вероятность и теорема Байеса?
7
Легкий
8
Что такое регуляризация в ML и какие у неё основные семейства методов?
8
Легкий
11
Что такое machine learning и чем он отличается от классического программирования?
9
Легкий
11
Что такое «признаки» (features) и «метка» (label) в машинном обучении на простом примере?
10
Легкий
6
Что такое недообучение модели и как его распознать и устранить?
Назад
1
2
3
4
Вперёд
Основы ML | JScriptiser