הכנה לראיון — מדען נתונים

בניתי מודל חיזוי נטישת לקוחות באמצעות XGBoost. עבדתי על דאטה של 2 מיליון לקוחות, ביצעתי feature engineering מקיף, והמודל הגיע ל-AUC של 0.89. זה אפשר לחברה לצמצם נטישה ב-25%.

עשיתי הרבה דברים עם Python ו-machine learning.

תלוי בסוג הבעיה ובכמות החוסרים. אם החוסר אקראי ומתחת ל-5%, אני משתמש ב-imputation. אם יש דפוס לחוסר, זה עצמו יכול להיות feature. תמיד מתחיל עם EDA מקיף לפני שמחליט על גישה.

מוחק שורות עם ערכים חסרים.

אני אסביר regularization: זה כמו שאומרים למודל ׳אל תהיה יותר מדי בטוח בעצמך׳. במקום שילמד בעל פה את הדאטה, אנחנו מוסיפים עלות על מורכבות, כך שהוא מוצא את הכללים הפשוטים והחזקים.

Regularization זה L1 ו-L2 penalty על ה-loss function.

אני מתחיל מהבנת הבעיה העסקית — classification, regression, clustering? בודק את גודל ואיכות הדאטה, ומתחיל עם מודלים פשוטים כ-baseline. מתקדם למודלים מורכבים רק אם יש שיפור מוצדק ביחס ל-interpretability.

אני תמיד משתמש ב-deep learning כי זה הכי מתקדם.