scikit-learn: вопросы на собеседовании

Вопросы и ответы по scikit-learn: подготовка, примеры и типичные ошибки.

1. Как обнаружить и предотвратить утечку данных (data leakage) при построении пайплайна в scikit-learn?
   Senior· спрашивают почти всегда· полный разбор — Jobs/Boost
2. Что такое интерфейс fit(), transform() и fit_transform() в scikit-learn и почему такой дизайн API важен?
   Junior· спрашивают почти всегда
3. Какие метрики применять для задачи классификации с несбалансированными классами и как их вычислить в scikit-learn?
   Senior· спрашивают почти всегда· полный разбор — Jobs/Boost
4. Как работает Pipeline в scikit-learn и какие проблемы он решает (утечка данных — data leakage)?
   Senior· спрашивают почти всегда· полный разбор — Jobs/Boost
5. В каких data/AI-задачах scikit-learn даёт реальный выигрыш, а где лучше выбрать другой инструмент или более простой pipeline?
   Middle· спрашивают почти всегда· полный разбор — Jobs/Boost
6. В чём разница между train_test_split() и кросс-валидацией (cross_val_score)? Когда применять каждый из них?
   Junior· спрашивают почти всегда· полный разбор — Jobs/Boost
7. В чём разница между bagging и boosting? Назовите реализации каждого из них в scikit-learn.
   Middle
8. Что такое компромисс между смещением и дисперсией (bias-variance tradeoff) и как сложность модели связана с каждым из них?
   Middle· полный разбор — Jobs/Boost
9. Как работает ColumnTransformer и почему он полезен для гетерогенных датасетов?
   Middle· полный разбор — Jobs/Boost
10. Как интерпретировать confusion_matrix и когда accuracy является вводящей в заблуждение метрикой?
    Junior
11. Как обрабатывать пропущенные значения в scikit-learn с помощью SimpleImputer и IterativeImputer?
    Middle
12. В чём разница между L1 (Lasso) и L2 (Ridge) регуляризацией?
    Middle
13. Чем LabelEncoder отличается от OneHotEncoder — когда использовать каждый?
    Junior· полный разбор — Jobs/Boost
14. Как использовать make_pipeline() и какова конвенция именования шагов?
    Junior
15. Как работает PCA в scikit-learn и как выбрать количество компонент?
    Middle· полный разбор — Jobs/Boost
16. В чём разница между predict() и predict_proba() и когда важен последний?
    Junior
17. Объясните, как работает классификатор Random Forest и что контролируют параметры n_estimators и max_depth.
    Middle
18. В чём разница между StandardScaler, MinMaxScaler и RobustScaler? Когда использовать каждый?
    Junior· полный разбор — Jobs/Boost
19. Как проверять корректность решения на scikit-learn, а не только успешное выполнение кода?
    Senior· полный разбор — Jobs/Boost
20. Представьте, pipeline на scikit-learn даёт хорошие результаты в dev, но плохо работает на новых данных. Как вы будете разбираться?
    Senior· полный разбор — Jobs/Boost
21. Какие ключевые абстракции scikit-learn нужно понимать, чтобы не получать формально рабочие, но неверные результаты?
    Middle· полный разбор — Jobs/Boost
22. Как сравнить scikit-learn с альтернативами по качеству, скорости экспериментов, масштабированию, воспроизводимости и production-интеграции?
    Senior
23. Какие риски есть у scikit-learn: data leakage, неверная оценка качества, memory usage, latency, cost, drift или observability?
    Senior· полный разбор — Jobs/Boost
24. Какие ошибки делают команды, когда переносят notebook/prototype-подход на production data/AI pipeline?
    Senior
25. Что такое параметр scoring в cross_val_score и как определить кастомную функцию оценки?
    Middle· полный разбор — Jobs/Boost
26. Что такое кросс-валидация со стратификацией (StratifiedKFold) и почему она важна для несбалансированных датасетов?
    Middle· полный разбор — Jobs/Boost
27. Как SVC в scikit-learn обрабатывает нелинейные данные (kernel trick)?
    Middle
28. Как реализовать кастомный трансформер, совместимый с API scikit-learn?
    Senior· полный разбор — Jobs/Boost
29. Как работает GridSearchCV и чем он отличается от RandomizedSearchCV?
    Middle
30. Чем GradientBoostingClassifier отличается от HistGradientBoostingClassifier по производительности?
    Senior· полный разбор — Jobs/Boost
31. Как работает KMeans и как выбрать правильное значение k (метод локтя, silhouette score)?
    Middle· полный разбор — Jobs/Boost
32. Как LogisticRegression в scikit-learn обрабатывает многоклассовые задачи (параметр solver)?
    Middle· полный разбор — Jobs/Boost
33. Как калибровать вероятности (CalibratedClassifierCV) и зачем это нужно?
    Middle· полный разбор — Jobs/Boost
34. Как использовать ColumnTransformer для разных типов признаков?
    Middle· полный разбор — Jobs/Boost
35. Расскажите о случае, когда вы использовали scikit-learn для pipeline, evaluation, optimization, deployment или debugging.
    Middle· полный разбор — Jobs/Boost
36. Что такое feature importance в древесных моделях и каковы её ограничения?
    Senior· полный разбор — Jobs/Boost
37. Что такое joblib и как scikit-learn использует его для параллельных вычислений и сохранения моделей?
    Senior· полный разбор — Jobs/Boost
38. Что такое SelectKBest и как работает отбор признаков с chi2 или mutual information?
    Middle
39. Что такое SMOTE и как бороться с дисбалансом классов в scikit-learn?
    Senior· полный разбор — Jobs/Boost
40. Как работают VotingClassifier и StackingClassifier в scikit-learn?
    Middle