Machine Learning / AI

Proč jsi odešel (odcházíš) z [společnosti]?

Jak jste přišli ke konkrétní hodnotě prahu confidence score?

Pracuješ teď nebo ne?

Je ti vše jasné ohledně produktu (mediální plány), nebo chceš něco upřesnit?

Jak bys nyní (se svými současnými znalostmi) řešil problém klasifikace a směrování požadavků v service desk pomocí víceúrovňového přístupu: rule-based → ML → LLM fallback → člověk? Uveďte konkrétní technologie, modely a metriky.

Byl jsi hlavní v Data Science v týmu [firma]? Jaké přístupy a technologie pocházely od tebe, a které určoval technický vedoucí?

Porovnejte lineární a nelineární modely v klasickém ML — výhody a nevýhody.

Proběhlo dodatečné trénování modelu pro tento úkol (ne LLM)?

Jaké typy tokenizace znáte? Výhody a nevýhody každého.

Pověz mi o regularizaci: co to je, k čemu je to potřeba, jaké druhy existují.

Pověz mi ve dvou slovech o týmu, ve kterém jsi pracoval v [společnosti].

Bylo to ve formě testu/pilota nebo šlo rovnou do výroby a používali to manažeři?

Co je to gradient z pohledu matematiky a jak se používá v strojovém učení?

Jaký byl produkt ve [společnosti] z pohledu uživatele (dokumentová správa, extrakce dat z KS-2/KS-3/rozpočet)?

Pověz mi o projektu s klasickým ML (ne LLM), na který jsi hrdý.

Povězte mi o sobě, svých zkušenostech a klíčových projektech (zejména o firemním GPT systému ve [firmě]).

Jak jste pochopili, zda model správně klasifikoval data? Jaké kroky od manažera byly požadovány?

Jak jste změřili kvalitu extrakce dat?