Pověz mi víc o FAISS: jak je index uspořádán, jak se nasazuje, jak funguje systém end-to-end?
Machine Learning / AI
Pověz mi o volném místě
Proč funkce vrací 0, když je ve vzorku pouze jedna třída?
Pověz mi, jak funguje re-ordinator — šel jsi do podrobností nebo jsi ho použil jako hotový inženýrský cihla?
Jaké bude zajímavé ponořit se do doporučovacích systémů?
Jak funguje dvouúrovňový a dvoubášený doporučovač a k čemu je potřeba?
Prosím, řekněte nám, proč právě teď hledáte práci?
Jak jste vybírali model pro embedování? Probíhaly filtrování dokumentů a etapa re-rankingu?
Můžeš vysvětlit, jak funguje off-policy hodnocení (například IPS nebo Double Robust), které jsi zmínil?
Nechápu, proč nem můžeme všechno dělat online — jaká jsou zde skutečná omezení? K čemu je potřeba předpočítání?
A jak by to teoreticky fungovalo v boostingu, pokud je cíl minus jedna? Tegnapi, že máme pozitivní a negativní, pokud u pozitivního nastavíme cíl na 10 místo 1, co by se stalo, nic by se nezměnilo?
Vysvětli ve dvou slovech, čím se liší přístup Double Robust od IPS — co se přidává a co ho činí silnějším a odolnějším?
Zdálo se nám, že uprostřed pohovoru jsi použil asistenta při odpovědi na teoretickou otázku o LangGraph. Je to pravda nebo ne?
Můžeš jednoduše vysvětlit rozdíl mezi Recall a MRR?
Můžeš říct víc? (o ochraně RAG systému před halucinacemi)
(Po upřesnění s interviewerem) Jak nyní formulovat úkol a přístup, s přihlédnutím k tomu, že doporučení položek již existují, a je třeba umístit bloky na hlavní stránku bez duplicitního obsahu?
Vysvětli, proč síť s dvěma věžemi (two-tower) pomůže vyřešit problém stropu prvního levelu — v čem přesně spočívá ta pomoc?
Porovnejme DAU, RPS a QPS: pokud máme 10 milionů DAU a každý uživatel se přihlásí 4krát denně, jaké budou RPS a QPS?
Co je to kolaborativní filtrování?
Jak bojovat proti tomu, že stará politika zobrazování nemusí být optimální, i když používáme propensity — zde propensity příliš nepomůže?