国または地域と言語

    国または地域と、言語を選んでください。

    おすすめ

      すべての国と地域

        キャラクターを選ぶ

        上部のバーとプロフィールに表示されます。いつでも変更できます。

        機械学習の面接

        判断を説明しながら、ツールで作業します。

        職種とレベルを選んでください。 各面接には、新しい課題、掘り下げの質問、作業と説明を確認するレポートがあります。

        話すか入力してください。サインインすると、結果を複数のデバイスで保存できます。

        時間制限付きのアセスメント

        • 12 問の実践的な問題
        • 50 分
        • ミドル レベル

        問題バンクの問題数: 36。レポートには、スキル別の内訳と、次に練習すべきレッスンが含まれます。

        練習の面接

        ジュニアの課題は基礎を扱います。ミドルとシニアの課題では、デバッグ、要件の変更、レビューの判断が加わります。

        10件の面接

        • データサイエンティスト
        • Junior
        • 35 min

        Juniper Subscriptions:再現できる顧客のホールドアウト

        Juniper Subscriptionsは、提供された元の測定値を使う架空の企業です。test_size=0.3、random_state=37、stratify=yで、row_idsをtrain_idsとtest_idsに分割してください。所属を監査できるよう、元の行の識別情報を保ってください。

        面接を始める
        スキルとルーブリック重ならない層化ホールドアウト
        • 分割する単位と、1人の顧客が分割をまたいで漏れてはいけない理由を定義してください。
        • 前処理の前に、元の行のIDを分割してください。固定したシードでこの監査を再現でき、層化によってクラスの構成が保たれます。
        • 共通部分、和集合、クラスごとの件数を、ソースのIDと照らして確認してください。
        • 機械学習エンジニア
        • Junior
        • 35 min

        Tern Dispatch:調整前の需要のベースライン

        Tern Dispatchは、提供された元の測定値を使う架空の企業です。X_trainとyr_trainで、baselineをDummyRegressor(strategy="median")として学習させてください。X_testに対する予測をyr_testと比べたvalidation_maeを保存してください。評価用の目的変数はfitに含めないでください。

        面接を始める
        スキルとルーブリック学習データのみによる中央値のベースライン
        • モデルを比較する前に、需要の予測が計画担当者にとって何を変えるのかを述べてください。
        • ベースラインによって、モデルが何を上回る必要があるかが決まります。学習データの中央値は、学習データの絶対誤差を最小にする定数の予測です。
        • 取り分けたデータの予測からMAEを計算し直し、当てはめた定数を確認してください。
        • データサイエンティスト
        • Junior
        • 35 min

        Clover Retail:学習済みのディスパッチの回帰

        Clover Retailは、提供された元の測定値を使う架空の企業です。X_trainとyr_trainで、modelをLinearRegressionとして学習させてください。学習済みのモデルを使って、X_testを予測してください。チェックでは、推定器の係数と未知の行に対する予測を読みます。

        面接を始める
        スキルとルーブリック学習済みの線形予測
        • 予測の目的変数と、配車の各特徴量がいつ利用可能になるかを特定してください。
        • 学習データの測定値で係数を当てはめてください。同じ推定器で評価の行を予測し、適切なベースラインと比較してください。
        • 取り分けたデータの残差を確認し、切片が与えられたものではなく当てはめられたものであることを確認してください。
        • 機械学習エンジニア
        • ミドル
        • 35 min

        Mossline Media:学習済みのスケーラーが1つの解約パイプライン

        Mossline Mediaは、提供された元の測定値を使う架空の企業です。X_trainとy_trainで、modelをStandardScalerの後にLogisticRegression(C=1, max_iter=1000)を続けたパイプラインとして学習させてください。前処理はパイプラインの中に入れておいてください。チェックでは、学習済みのスケーラーの統計量と未知のデータに対する確率を読みます。

        面接を始める
        スキルとルーブリック学習データのみによるスケーリングと分類
        • 学習データで、前処理と分類を一緒に当てはめてください。評価の観測にはtransformとpredictを適用し、当てはめた統計量は変えません。
        • このパイプラインを交差検証にかけるとき、スケーラーはどこで当てはめ直されますか?
        • スケーラーの学習データの平均を読み、当てはめに使っていない行で確率を検証してください。
        • データサイエンティスト
        • ミドル
        • 35 min

        Alder Planning:正則化した需要モデル

        Alder Planningは、提供された元の測定値を使う架空の企業です。X_trainとyr_trainで、modelをStandardScalerの後にRidge(alpha=4)を続けたものとして学習させてください。チェックでは、学習済みのリッジの係数、学習データの平均、評価用の予測を読みます。

        面接を始める
        スキルとルーブリックスケーリングしたリッジ正則化
        • 係数の罰則を比べる前に、スケーリングしてください。alphaは縮小の強さを決めるもので、最終的なテストの結果を使わずに選ぶ必要があります。
        • スケーリングしていないリッジの罰則で、特徴量の単位を変えることが重要なのはなぜですか?
        • 学習の分割ごとの検証の誤差を比較し、最終的なテストは1回の評価のために残しておいてください。
        • 機械学習エンジニア
        • ミドル
        • 35 min

        Brookline Payments:制約付きのフォレストのレビュー

        Brookline Paymentsは、提供された元の測定値を使う架空の企業です。X_trainとy_trainで、modelをn_estimators=40、max_depth=3、random_state=23のRandomForestClassifierとして学習させてください。学習済みのフォレストから、未知のデータに対する確率を読んでください。

        面接を始める
        スキルとルーブリック制御されたフォレストの学習
        • 再現可能な比較のために、複雑さを制限してください。木を増やすことと木を深くすることはフォレストの異なる部分を変えるもので、公正な評価の代わりにはなりません。
        • 木を増やすと、リークを直さずに予測を安定させられるのはなぜですか?
        • フォレストを受け入れる前に、取り分けたデータでのセグメントごとの誤差とベースラインの結果を比較してください。
        • データサイエンティスト
        • ミドル
        • 35 min

        Quarry Forecasting:最終テストに手を付けない探索

        Quarry Forecastingは、提供された元の測定値を使う架空の企業です。searchを、StandardScalerの後にLogisticRegression(max_iter=1000)を続けたもののGridSearchCVとして学習させ、logisticregression__Cを[.05,.5,5]の範囲で探索してください。StratifiedKFold(3, shuffle=True, random_state=29)とscoring="neg_log_loss"を使い、学習データだけを使ってください。

        面接を始める
        スキルとルーブリック学習用のフォールド内でのパイプラインの探索
        • 交差検証では、各学習の分割でパイプライン全体を当てはめ直します。探索のスコアは設定を選ぶためのもので、手つかずの最終的なテストでその後の性能を推定します。
        • アカウントIDが繰り返し現れると、層化分割の計画はどう変わりますか?
        • スコアの目的と分割の割り当てを確認し、その後、選んだモデルを1回だけ評価してください。
        • 機械学習エンジニア
        • シニア
        • 35 min

        Lark Review:不正のキューの運用しきい値

        Lark Reviewは、提供された元の測定値を使う架空の企業です。predicted = probabilities >= thresholdとしてください。actualを正解のラベルとし、各指標にzero_division=0を使って、precision、recall、F1をこの順に含むNumPyの配列としてreportを保存してください。

        面接を始める
        スキルとルーブリック選んだしきい値での適合率、再現率、F1
        • 不正の発生率が上がる一方で、レビューのキャパシティが下がります。しきい値のどの証拠を計算し直す必要がありますか?
        • 予測された陽性、実際の陽性、真陽性を、それぞれ独立して照合してください。
        • 受け入れの責任者、監視の上限、評価の証拠が変わったときの元に戻せる対応を定める。
        • データサイエンティスト
        • シニア
        • 35 min

        Cove Services:優先順位付けのためのキャリブレーションされた確率

        Cove Servicesは、提供された元の測定値を使う架空の企業です。X_trainとy_trainで、modelをStandardScaler/LogisticRegression(max_iter=1000)のパイプラインのCalibratedClassifierCVとして、method="sigmoid"、cv=3で学習させてください。この学習済みのキャリブレーターから、評価用の確率を確認してください。

        面接を始める
        スキルとルーブリック重ならないフォールドによるキャリブレーション
        • 公開後に、クラスの発生率が変わります。順位付けが保たれていても、信頼性のどの証拠が変わる可能性がありますか?
        • 成熟した取り分けたラベルで、件数付きの信頼性のビンと適切なスコアリングルールを確認してください。
        • 受け入れの責任者、監視の上限、評価の証拠が変わったときの元に戻せる対応を定める。
        • 機械学習エンジニア
        • シニア
        • 35 min

        Reed Logistics:ホールドアウトでの特徴量の重要度

        Reed Logisticsは、提供された元の測定値を使う架空の企業です。X_trainとy_trainで、modelをRandomForestClassifier(n_estimators=40, max_depth=3, random_state=23)として学習させてください。X_testとy_testに対するpermutation_importanceから、scoring="accuracy"、n_repeats=4、random_state=31でimportanceを保存してください。

        面接を始める
        スキルとルーブリック未知のデータでの順列重要度
        • マネージャーが、最も重要な特徴量を解約の原因だと言っています。欠けている証拠は何ですか?
        • 取り分けた行で並べ替えの手順を繰り返し、そのばらつきとセグメントの状況を残してください。
        • 受け入れの責任者、監視の上限、評価の証拠が変わったときの元に戻せる対応を定める。

        面接ハブの利用

        面接ハブはAll Accessに含まれています。続けるには、プランを選ぶかアカウントにサインインしてください。

        プランを見るサインインまたは登録

        Your Work Gym account

        Save your progress and pick up on another device. Your browser's progress comes with you.

        or

        You can keep practicing without an account.

        プランを変更

        価格を確認しています

        ヘルプとフィードバック

        質問、うまく動かない点、アイデアなどをお寄せください。メールで返信します。

        どのような内容ですか?

        返信のためだけに使用します。