#2 Успешное собеседование в Яндекс | Секция Machine Learning

Коротко о видео

Запись ML-секции Яндекса сочетает теорию случайного леса и бустинга, p-value и большой кейс рекомендательной системы для корзины. Интервьюер обсуждает генерацию кандидатов, признаки, ранжирование, продуктовые метрики и ограничения доступности товара, а кандидат показывает ход мысли даже без готового решения.

Затронутые темы

Что взять на заметку

• Различайте bagging и boosting: случайный лес усредняет независимые деревья для снижения дисперсии, а бустинг последовательно исправляет ошибки предыдущих моделей.
• Не называйте p-value вероятностью истинности гипотезы: это вероятность получить не менее экстремальные данные при условии нулевой гипотезы.
• В рекомендациях разделите генерацию кандидатов и ранжирование: сначала отберите возможные товары с учётом наличия и корзины, затем моделью упорядочьте их по полезности.