Библиотека задач по Data Science | тесты, код, задания
3.85K subscribers
664 photos
5 videos
377 links
Задачи и тесты по Data Science для тренировки и обучения.

По рекламе: @proglib_adv

Учиться у нас: https://proglib.io/w/fa77bf4e

Для обратной связи: @proglibrary_feeedback_bot

Наши каналы: https://yangx.top/proglibrary/9197
加入频道
Какой способ создания векторных представлений применяется для кодирования целых абзацев?
Anonymous Quiz
17%
Word2Vec
51%
Doc2Vec
13%
N-граммы
19%
Bag of Words
Какова будет сумма значений в столбце 'B' после выполнения кода выше?
Anonymous Quiz
27%
23.0
16%
~38.3
42%
33.0
15%
Ошибка выполнения
Если временной ряд содержит много аномалий и выбросов, и из-за этого трудно обнаружить тенденцию, что следует сделать со значениями ряда?
Anonymous Quiz
5%
Ситуацию не исправить
34%
Ряд нужно нормировать
46%
Ряд нужно сгладить
15%
Ряд нужно усреднить
Что выведет код с картинки выше?
Anonymous Quiz
10%
[2 3 4 5 6]
50%
[2 4 6]
19%
[4]
21%
[3 5]
Каков правильный порядок следования операторов в SQL-запросе?
Anonymous Quiz
12%
SELECT, FROM, GROUP BY, HAVING, WHERE
81%
SELECT, FROM, WHERE, GROUP BY, HAVING
8%
SELECT, FROM, HAVING, GROUP BY, WHERE
Что выведет код с картинки выше?
Anonymous Quiz
26%
True
37%
False
37%
Ошибка
✍️ Разбор сложных задач прошедшей недели

1️⃣ Чтобы ответить правильно на этот вопрос, важно было знать, что именно делает метод fillna() со значением method=‘ffill’ в Pandas. Он заполняет пропуски (NaN) последним наблюдаемым значением, то есть значением, стоящим перед пропущенным. Таким образом, ряд станет выглядеть как [5, 5, 5, 8, 10] и сумма будет 33.
2️⃣ Если во временном ряду много аномалий и выбросов, то можно применить сглаживание. Суть сглаживания и сводится к замене фактических значений ряда теми, что были получены после обработки колебаний. Самый простой способ сделать это — использовать скользящее среднее. По гладкому ряду могут быть лучше заметны тенденции.
3️⃣ В Python сравнение списков происходит поэлементно. В приведённом примере [1, 2, 3, 4] < [1, 2, 5] происходит так:
- Сначала сравниваются первые элементы обоих списков: 1 и 1. Они равны, поэтому сравнение продолжается.
- Затем сравниваются вторые элементы: 2 и 2. Они также равны.
- Далее сравниваются третьи элементы: 3 и 5. Поскольку 3 меньше 5, Python заключает, что первый список меньше второго, и возвращает True.

#разбор_задач
Какую метрику лучше не использовать при наличии несбалансированных классов в данных?
Anonymous Quiz
31%
F-мера
13%
Precision
48%
Accuracy
7%
Recall
🧑‍💻 Статьи для IT: как объяснять и распространять значимые идеи

Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.

Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.

Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.

👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.
У вас есть линейная модель с двумя сильно коррелированными признаками. Эти два признака почти идентичны друг другу, но один из них содержит немного шума. Что будет с весами этих признаков, если мы используем L2-регуляризацию?
Anonymous Quiz
36%
У одного признака будет большой вес, а у другого — близкий к нулю
16%
У одного признака будет большой вес, а у другого — нулевой
49%
Оба признака будут иметь примерно равные, умеренные веса
⚡️Свершилось: канал с книгами только по Data Science

Мы создали для вас канал, куда будем публиковать самые полезные книги только для специалистов по Data Science. Подписывайтесь!

👉Книги для дата сайентистов | Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
У нас есть классификатор, который делит письма на «спам» и «не спам». Что будет с метрикой precision, если мы повысим порог классификации?
Anonymous Quiz
38%
вероятно, увеличится
29%
вероятно, уменьшится
17%
точно увеличится
15%
точно уменьшится