#28 Собеседование Data Scientist в Т-Банк | Теория + Лайфкодинг

Коротко о видео

Разбор интервью в Т-Банке сосредоточен на деревьях, ансамблях и метриках бинарной классификации, после чего кандидат решает две практические задачи. Особое внимание уделено тому, как объяснять ROC-AUC заказчику и как менять баланс precision и recall.

Затронутые темы

Что взять на заметку

• Категориальные признаки можно кодировать заранее или обрабатывать нативно, но важно объяснить риск утечки при target encoding.
• Чтобы повысить recall ценой precision, обычно снижают порог положительного класса и проверяют новую рабочую точку по PR-кривой.
• При дисбалансе классов нужно назвать способ усреднения метрик: micro учитывает все объекты вместе, macro даёт классам равный вес, weighted учитывает размер классов.