Зачёт проходит в формате собеседования по списку вопросов и оценивается максимум в 20 баллов.
Вопросы
- CRISP-DM и CRISP-ML(Q). Опишите шесть этапов CRISP-DM. Почему жизненный цикл ML расширяют контролем качества, рисков и мониторингом? Почему процесс в поиске и аналитике итеративен?
- Стемминг и лемматизация. Сравните процедуры, их влияние на Precision и Recall. В каких задачах предпочтителен каждый метод?
- Законы Ципфа и Хипса. Сформулируйте законы, объясните выбор стоп-слов, рост словаря и индекса, влияние нормализации.
- Графы и центральности. Опишите меры центральности. Когда betweenness важнее degree? Что показывает удаление узлов-мостов в транзакционном или социальном графе?
- PageRank и HITS. Сравните модели; объясните глобальную и локальную, query-dependent авторитетность и случаи применения HITS.
- Токенизация и очистка. Разберите сложные случаи: аббревиатуры, составные слова, даты и URL. Какие риски у агрессивной очистки? Когда критичны регистр и n-граммы?
- Булев поиск. Объясните разницу между информационной потребностью и запросом, оптимизацию пересечения списков термов по Document Frequency и ограничения булевой модели.
- Метрики ранжирования. Дайте определения Precision@K, Recall@K, MAP, MRR и nDCG. Когда Recall важнее Precision? Почему MRR жёсткая метрика? Как устроены DCG и нормализация nDCG?
Полезные связанные страницы: план курса · конспект лекции 1 · дедлайны и баллы.