Проверяет основы машинного обучения и оценку моделей.
quiz-bankmldata-leakage
Варианты ответа
Leakage происходит только при утечке данных третьим лицам через API или dump БД — это проблема информационной безопасности, не имеет отношения к качеству ML-моделей
Достаточно разделить данные на train и test случайным shuffle с фиксированным random_state — это исключает любые формы leakage и даёт корректную оценку обобщения
Data leakage невозможен при использовании cross-validation — процедура K-fold автоматически гарантирует отсутствие любых утечек и корректность статистических оценок
Проверить features на информацию из будущего (temporal leak), из target (target leak), или из test-set (train-test contamination). Признак: подозрительно высокое quality на тесте и одна доминирующая фича
Как разобрать этот вопрос на собеседовании
Определи тип задачи (регрессия/классификация), как ты разобьёшь данные и какой метрикой будешь мерить качество с учётом дисбаланса классов. Ценят понимание переобучения, утечки данных и того, почему выбрана именно эта метрика, а не accuracy по умолчанию.
На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.
Тема вопроса — «ML». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: раздел практики помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
3000+ вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.