Machine Learning / AI
Použili jste jeden model pro všechny agenty nebo různé?
Jak měřili zkrácení doby hledání informací (metrika v minutách)?
Pověz mi o parametrech generace: teplota, Top-P a Top-K.
Bylo to ve formě testu/pilota nebo šlo rovnou do výroby a používali to manažeři?
Jaký open source model použít pro lokální spuštění přes Ollama?
Co myslíš pod chybou (při přístupu s promptem)?
Jaké typy označení pro úlohu NER znáš? S čím jsi pracoval?
Jaký je rozdíl mezi Margin Loss a Triplet Loss?
Jaká byla velikost chunku a bylo překrytí?
Proč je potřeba normalizace (Layer Norm) — proč stabilizovat učení?
Můžeš vysvětlit, jak funguje off-policy hodnocení (například IPS nebo Double Robust), které jsi zmínil?
Jak zvýraznit a vizualizovat metriky agentů v Grafana?
Máte zkušenosti s navigačními úkoly, GPS daty a geodaty? Jak byste přistoupili k takovému úkolu?
Co je PCA a jak se používá v strojovém učení?
Kromě F1 a recall, jaké metriky byly použity k hodnocení klasifikátoru?
Jaké příklady feature engineering jsi realizoval ve svých projektech?
Jak skloubíš studium a práci současně?
V poslední době je velmi mnoho neuronových sítí — jak je používáš v práci, jak často a přesně jak?
Jak byste ohodnotili své zkušenosti v tabulárním ML ve srovnání s NLP a LLM?
Co považujeme za pozitivní a negativní při tréninku dvouhlavé sítě a jaká ztráta se používá?