Ještě je trochu času — zkuste zkusit optimalizovaně přepsat řešení ROC-AUC (pomocí třídění a rangů v O(n log n))?
Machine Learning / AI
Jak budeme vytvářet datovou sadu pro trénink tohoto rankeru?
Jaký je rozdíl mezi seznamem a n-ticí?
Necháváme boosting jako model, nebo jak?
Navíc by měla být kvalita přehrávače pravděpodobně hodnocena online: pokud uživatel začal sledovat, kolik zhlédl?
Co přesně myslíš pod hloubkou: posun po stránce nebo posun v bloku?
Jaký je rozdíl mezi self-attention a cross-attention?
Doporučení bloků na hlavní stránce online kina Napište plán řešení produktového úkolu od přehledu požadovaných dat po trénink, testování a nasazení modelu (nebo pokud je to možné, bez ML - bez modelu). Na hlavní stránce online kina je hlavní stránka. Skládá se z různých bloků. Existuje katalog bloků. V blocích může být různý obsah. Existuje hotový doporučovač filmů, tj. katalog filmů seřazený podle relevance. Je třeba navrhnout personalizovaný doporučovač bloků a algoritmus jeho použití, který splňuje obchodní pravidlo - zobrazit na hlavní stránce obsah pouze jednou.
Jaký je rozdíl mezi self-attention v encoderu a self-attention v decoderu?
Co je to za termín 'PropNail/TopNail Optimization', který jste použili?
Co je to přesnost?
Jaké by bylo QPS, pokud bychom vzali v úvahu, že na stránce je N filmů (plakátů) za jeden požadavek?
Jak bys vyřešil tento úkol? Jaký algoritmus/přístup bys použil?
Co je to offline metrika NDCG?
Zvažuješ možnost práce na dálku z hlediska lokality?
Co považujeme za pozitivní a negativní při tréninku dvouhlavé sítě a jaká ztráta se používá?
Jak složité bude celkově se přizpůsobit časovému pásmu?
Máme katalog filmů, který je řazen modelem, a samostatné bloky-kolekce těchto filmů s různým množstvím obsahu a typy. Tyto bloky je třeba řadit na hlavní stránce pro uživatele. Jak bys přistoupil k řešení tohoto úkolu a jaké metriky bys navrhl?
Pověz mi víc o FAISS: jak je index uspořádán, jak se nasazuje, jak funguje systém end-to-end?
Pověz mi o volném místě