🔒 Mod previzualizare. Primele cincisprezece lecții Foundations sunt gratuite; aceasta este Pro. Pornește un trial de 7 zile pentru a debloca editorul, sugestiile AI și restul programului. Card necesar, anulează oricând în Dashboard.Pornește trial de 7 zile →
📝 **Sarcina:** Construiți \`drift_detector(baseline_mean, current_mean, std, threshold)\` — returnează \`True\` dacă media caracteristică curentă a deviat semnificativ față de linia de bază:
- Calculați scorul z: \`|medie_actuală - medie_de bază| / std\`.
- Returnează \`True\` dacă z-score \`>= prag\` (deriva), altfel \`False\` (stabil).
- \`std == 0\` → returnează \`False\` (fără răspândire → nu se poate calcula deriva semnificativă; semnalizarea ar fi zgomot de alertă).
- Acesta este cel mai simplu semnal de deviere a producției - rulează noaptea pentru fiecare funcție.
📋 Implementați funcția de mai sus. Testele rulează automat.
💡 **Sugestie:** Recitiți teoria dacă rămâneți blocat.
🎯 Test
Întrebare
📝 **Sarcina:** Construiți \`drift_detector(baseline_mean, current_mean, std, threshold)\` — returnează \`True\` dacă media caracteristică curentă a deviat semnificativ față de linia de bază:
- Calculați scorul z: \`|medie_actuală - medie_de bază| / std\`.
- Returnează \`True\` dacă z-score \`>= prag\` (deriva), altfel \`False\` (stabil).
- \`std == 0\` → returnează \`False\` (fără răspândire → nu se poate calcula deriva semnificativă; semnalizarea ar fi zgomot de alertă).
- Acesta este cel mai simplu semnal de deviere a producției - rulează noaptea pentru fiecare funcție.
📋 Implementați funcția de mai sus. Testele rulează automat.
💡 **Sugestie:** Recitiți teoria dacă rămâneți blocat.
💬 Discuție
Fii primul — pune o întrebare sau împărtășește un sfat.
Conectează-te pentru a te alătura discuției. Citirea este gratuită.