Как оценихте готовността на системата за класификация на билетите за поддръжка за внедряване?
Machine Learning / AI
Освен F1 и recall, кои метрики бяха използвани за оценка на класификатора?
Какво е topic в Kafka?
Имали ли сте таблични модели в продукция?
Опишете опита си с Docker: как да опаковате и внедрите ML услуга?
Кои метрики бихте следили след деплоймънта на модела в продукция: сервизни, данни и моделни?
Какви метрики бихте използвали за оценка на системата за разпределяне на лийдове към агентите?
Разкажете ни какво знаете за задачите по търсене, класиране, препоръки и персонализация.
Как да нормализираме резултата, за да получава новият агент без история също лидове и да може да продава?
Има 5% процента на затваряне на лидове, няколко страни и агенти. Как с помощта на ML да се определи на кой агент да се назначи нов лидер?
Какво е partition в Kafka?
Разкажете за себе си и опита си като ML инженер.
Как бихте обяснили това решение на заинтересованите страни без статистическа подготовка?
Как бихте оценили опита си в табличното ML в сравнение с NLP и LLM?
Защо предлагате CatBoost за тази задача?
Агент А затвори 7 от 70 лидове, а агент В — 2 от 3. Как честно да ги сравним?
Коя е базовата линия и кой е крайният кандидат за модел, който ще изберете за тази задача?
Разкажете за случай, когато моделът работи добре при офлайн оценка, но се представя зле в продукция: какво се случи и какво направихте?
Какъв е вашият опит с Microsoft Azure и можете ли да разположите решение там?
Как работихте с класове, за които имаше много малко примери?