Задания для оценки своего уровня перед курсом ML
Вводные замечания
Данный список вопросов и заданий разработан специально для того, чтобы вы могли принять взвешенное решение о начале обучения на курсе База ML.
Мы живем во время, когда многие школы говорят, что Data Scientist или ML Engineer может стать каждый, а любому пришедшему учиться «гарантируется» трудоустройство. К сожалению, это не так, и никакому человеку нельзя гарантировать никакие успехи в обучении, не зная его начальный уровень, способности, и будет ли он проходить курс или отложит его «на полку».

Если последнее целиком в ваших руках, с определением вашего уровня мы можем помочь. Для этого и разработан этот список.

Обратите внимание, что на вопросы вы отвечаете для себя. Это не отборочное тестирование. Мы готовы давать доступ к материалам курса всем желающим. Смысл диагностики на входе в том, чтобы сформировать реалистичные ожидания от курса.
В списке есть две части: вопросы для самопроверки и тест.

На вопросы для самопроверки вы отвечаете «по ощущениям», если в процессе изучите что-то новое – будет только плюсом.

В конце теста есть задача для самопроверки, которая будет очень неплохим индикатором того, что вы сможете справиться с курсом. При ее решении можно пользоваться любыми источниками.

Просить ChatGPT или другую LLM решить задачу для вас можно только в образовательных целях, засчитывать себе такое решение при оценке своей готовности не рекомендуется. Использовать LLM для изучения темы или ответа на вопросы для самопроверки можно и приветствуется, но после этого нужно попросить LLM задать вам свои контрольные вопросы по теме.

В процессе ответа можно пользоваться поисковиками, чтобы вспомнить забытое или разобраться с новым. Потраченное на это время точно не будет напрасным, если вы хотите начать изучать машинное обучение.
Начать тест
1. Знаете ли вы, что такое (применительно к программированию):
Дальше
Проверить
Узнать результат
2. Как вы думаете, можете ли вы? (используя в процессе поисковики, если потребуется):
Дальше
Проверить
Узнать результат
3. Знаете ли вы (применительно к алгоритмам и структурам данных):
Дальше
Проверить
Узнать результат
4. Знаете ли вы (применительно к базовым понятиям из математики):
Дальше
Проверить
Узнать результат
5. Знаете ли вы (применительно к математическому анализу):
Дальше
Проверить
Узнать результат
6. Знаете ли вы (применительно к линейной алгебре):
Дальше
Проверить
Узнать результат
7. Знаете ли вы (применительно к теории вероятностей и математической статистике):
Дальше
Проверить
Узнать результат
8. Чему равна производная по х от 5x^2 ?
Дальше
Проверить
Узнать результат
9. Чему равна производная по 2x^2 от 5x^2 ?
Дальше
Проверить
Узнать результат
10. Чему равен градиент функции f(x, y) = x^2 + 2y ?
Дальше
Проверить
Узнать результат
11. A - матрица размера 10х5 (10 строк, 5 столбцов). Известно, что матрица В - такая, что А можно умножить на В, т.е. выражение АВ имеет смысл. Что можно сказать про размер матрицы В?
Дальше
Проверить
Узнать результат
12. Чему равна производная функции f(x) = 2^(x^2) по x?
Дальше
Проверить
Узнать результат
13. A = p * q, где p - строка, а q - столбец. Что можно сказать про размер матрицы А?
Дальше
Проверить
Узнать результат
14. Случайная величина X имеет плотность распределения p(x), Y - плотность распределения q(y). Кроме того, X и Y распределены независимо. Какой будет плотность распределения случайной величины Z = X + Y?
Дальше
Проверить
Узнать результат
15. Случайная величина X имеет плотность распределения p(x), Y - плотность распределения q(y). Кроме того, X и Y распределены независимо. Какой будет плотность совместного распределения r(x, y)?
Дальше
Проверить
Узнать результат
16. Муха сидит на одной из вершин равностороннего треугольника. На каждом шаге она равновероятно остается на месте или перемещается в одну из двух других вершин (у каждого события вероятность 1/3).

Найдите матожидание времени  (приняв один шаг за 1) до первого возвращения мухи в вершину, из которой она стартовала. Задача для самопроверки: попробуйте решить ее двумя способами – с помощью вывода формулы для математического ожидания и с помощью симуляции на Python. Если вы с этим справитесь, с курсом База ML вы тоже справитесь.
Дальше
Проверить
Узнать результат
Требуется дополнительное обучение
Прежде чем изучать ML желательно добить результат до 40-50% правильных ответов. Это можно делать с нами в рамках подготовительного модуля Базы ML
Пройти еще раз
Нужно немного подкачаться.
Ваш успех в освоении курса сильно зависит от того, сколько внимания вы уделите подготовительному модулю.
Пройти еще раз
Высокий уровень нужных для ML знаний
Молодец! У вас очень высокие шансы в освоении базового курса ML.
Пройти еще раз