КАЙФОВОЕ СОБЕСЕДОВАНИЕ В ВАЙЛДБЕРРИЗ (на data scientist)
Разбор собеседования Data Scientist в Wildberries: качество прогноза спроса, метрики скоринга, размерность признаков и поведение моделей вне обучающей выборки.
Вадим Новосёлов | Карьера в IT
Открыть на YouTube- Опубликовано на YouTube:
- Просмотры на YouTube: 6,5 тыс.
- Лайки на YouTube: 164
Таймлайн
Коротко о видео
Интервью на Data Science построено вокруг оценки моделей прогноза спроса и скоринга, MAPE, Average Precision и размерности признаков. Важная часть разбора посвящена тому, почему привычная метрика может скрыть существенную ошибку.
Затронутые темы
Что взять на заметку
- Перед выбором метрики определите, какую ошибку она должна наказывать для конкретного бизнеса.
- Average Precision связан с точностью ранжирования и PR-кривой, поэтому его нельзя описывать только как «процент правильных ответов».
- С ростом числа признаков точки разрежаются в пространстве, а расстояния между объектами становятся менее различимыми.