Выбирайте и проходите тесты для развития навыков
Продвинутная оценка ML: nested CV, ECE и Brier, fairness, bootstrap и paired tests, OPE и slice analysis, CRPS и conformal prediction. Смесь одиночного и множественного выбора.
Средний уровень оценки ML: stratified splits, компромисс precision–recall, macro vs micro, основы калибровки, learning curves, пороги и диагностика регрессии. Смесь одиночного и множественного выбора.
Основы оценки ML-моделей: train/validation/test, матрица ошибок, precision и recall, переобучение и осмысленные baselines. Смесь одиночного и множественного выбора; в multi-select нужно отметить все верные утверждения.
Расскажите, какая тема или уровень нужны — регистрация не обязательна.