Gəlin DAU, RPS və QPS-ni müqayisə edək: əgər bizim 10 milyon DAU və hər istifadəçi gündə 4 dəfə daxil olursa, RPS və QPS nə qədər olacaq?
Machine Learning / AI
IPS qiymətləndirməsində nəyin dispersiyası baş verir?
İki qülləli (two-tower) şəbəkənin ilk səviyyənin tavan problemini necə həll edəcəyini izah edin — dəqiq olaraq nə sayəsində?
Özünü təqdim etmək üçün qısa bir paraqraf yazın, burada tövsiyə sistemlərinin RAG - retrieval, re-ranking, memarlıq oxşarlıqları və s. ilə çox oxşar olduğunu vurğulayın ki, mən onu yadda saxlayıb danışa bilim.
Batch-də neqativlərlə kontrast itkisi necə işləyir?
RAG təcrübəsini tövsiyə sistemlərinə necə yenidən paketləmək barədə qısa fikirlər, sonra isə tipik suallar. Cavab vermək üçün deyil, mənim təcrübə və CV-yə əsasən mahiyyətinin nə olduğunu izah edin.
Əşyalar nədir? Onlar düzgün necə tələffüz olunur?
İstehsalda modeli incə tənzimləmək üçün nə qədər məlumat lazım olduğunu qiymətləndirin, incə tənzimləmə prosesini, parametrləri, itki funksiyasını (kənarlaşdırıcı/triplet) və niyə məhz onu seçdiyinizi izah edin.
FAISS indeksinin istehsalda inkremental yenilənməsi necə həyata keçirilir?
Əgər sizə sistemin keyfiyyətini artırmaq üçün məhdudiyyətsiz GPU verilərsə, ilk növbədə hansı istiqaməti seçərdiniz?
Düzgün başa düşdüm: bizdə blokun doldurulması üçün məzmun izləyicisindən orta bal alan izləyici var, istifadəçi və blok xüsusiyyətləri var, müsbət götürdük — dəqiq nə?
# ROC AUC nədir formulalaşdırın və təsvirini yazın. # ROC AUC skoru necə hesablanır? # Yazılmış təsvirə uyğun olaraq roc_auc_score hesablayan funksiyanı yazın. # Və təsadüfi sayda sinif və verilmiş prioritet sırası üçün? # Model aşağıdakı kimi işləyir # y_score[i] >= eşik -> y_pred[i] = 1 # y_score[i] < eşik -> y_pred[i] = 0 def test_roc_aur_score(): y_true = [0, 0, 0, 1, 0, 0] y_score = [0.2, 0.4, 0.31, 0.6, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0.8 y_true = [0, 1, 0, 0, 0, 1] y_score = [0.7, 0.6, 0.31, 0.31, 0.3, 0.2] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0.375 y_true = [0, 0, 0, 1, 0, 0] y_score = [0.2, 0.4, 0.31, 0.8, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 1 y_true = [0, 0, 0, 0, 0, 0] y_score = [0.2, 0.4, 0.31, 0.8, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0 # Bonus testlər çox sinif üçün y_true = [0, 1, 0, 0.5, 0, 1] y_score = [0.7, 0.6, 0.31, 0.31, 0.3, 0.2] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0. y_true = [0, 0.1, 0.2, 0.3, 0.4, 0.6] y_score = [0, 0.1, 0.2, 0.3, 0.4, 0.6] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 1
Blokda müxtəlif məzmun miqdarı olarsa nə etmək lazımdır — tək bloklar və 30 elementli bloklar? Bu blokdan funksiyanı almaq üçün məzmun balları ilə necə işləmək olar?
Niyə onda ranker öyrədiləcək? Yəni, o, məzmundan müstəqil olacaq — onun məqsədi nədir?
Zəhmət olmasa, layihənin dəqiq nə olduğunu və sizin vəzifələrinizin nədən ibarət olduğunu izah edin.
Son beş ildəki təcrübəniz haqqında danışın, son beş ildə nə ilə məşğul oldunuz?
Layihə niyə iki il ərzində hazırlanıb, əgər əsas işlər iki il əvvəl görülüb? İndi layihə dəstəkdədir yoxsa daha da inkişaf etdirilib?
DSSM nədir, bilirsən?
# verilmiş a = [1, 20, 10, 0, 59, 63, 0, 88, 0] -> [0, 0, 0, 1, 20, 10, 59, 63, 88] # sıfırları massiv başına keçirən və digər elementlərin ardıcıllığını saxlayan optimal funksiya yazmaq lazımdır def move_zeros_to_left(a: List[int]) -> List[int]: pass
Hansı iş formatını nəzərdə tutursunuz və hansı şəhərdə yaşayırsınız?