Machine Learning / AI

Was ist erzwungene Ausrichtung und haben Sie es verwendet?

Wie man Unterschiede in Sprechgeschwindigkeit und Intervallen zwischen Phrasen diagnostiziert und behebt?

Was ist der Unterschied zwischen WAV und PCM?

Wenn die Sprechgeschwindigkeit und die Intervalle zwischen den Phrasen unterschiedlich sind, wie diagnostizieren und beheben?

Haben Sie weitere Fragen an den Interviewer?

Middle

ВкусВилл

Was tun, wenn es keine Transkripte für Audiosegmente gibt?

Was ist G2P?

Nach Feinabstimmung begann das Modell, Wörter zu verschlucken. Wie diagnostizieren und beheben?

Was tun nach der VAD-Segmentierung?

Warum werden bei Gradient Boosting in der Regel schwache Modelle verwendet?

Gibt es Erfahrung mit verteiltem Training und was genau?

Wie kann die Reproduzierbarkeit von ML-Experimenten und die Möglichkeit, das Modell wiederherzustellen, wenn das Artefakt in S3 gelöscht wurde, sichergestellt werden?

Kann Boosting auf linearen Modellen aufgebaut werden?

Was muss im Checkpoint gespeichert werden, um das Training nach 47 Stunden ohne Verlust des Zustands fortzusetzen?

Wie ist die asymptotische Komplexität der Selbstaufmerksamkeit und was ist der KV-Cache bei der Inferenz?

Was ist normalisierter Text und wie normalisiert man normalen Text für TTS?

Wie annotiert man unannotiertes Audio, wenn verschiedene ASR-Modelle den Text unterschiedlich normalisieren und Satzzeichen hinzufügen?

Wie verhält sich die reguläre semantische Suche in einer Support-Wissensdatenbank, wenn alle Dokumente positive Empfehlungen enthalten, der Benutzer jedoch fragt, was auf keinen Fall getan werden sollte?

Wie wendet man VAD speziell an, um Qualitätsproben zu erhalten?

Wie wird strukturierte Ausgabe als beschränkte Decodierung implementiert?