Machine Learning / AI
Από τι εξαρτάται η πολυπλοκότητα των αλγορίθμων που εξαρτάται από το n ή το k και από τι εξαρτάται;
Τι είναι η απώλεια CTC στο OCR;
Τι είναι το TPR και το FPR; Πώς σχετίζονται με την ακρίβεια και την ανάκληση;
Πώς να πάρετε ενσωματώσεις από το κείμενο που θα χρησιμοποιηθούν ως είσοδος σε έναν μετασχηματιστή;
Πώς να χρησιμοποιήσετε το BERT σε μια εργασία QA τύπου SQuAD;
Πώς μειώνει το τυχαίο δάσος την επίδραση των μεμονωμένων δέντρων στην τελική πρόβλεψη;
Πο metric είναι πιο σημαντικό: η ακρίβεια ή η ανάκληση, ανάλογα με την εργασία;
Τι είναι ένα OOV token και πώς το αντιμετωπίζει η υπολέξη-τοκενίωση;
Ποια είναι η διαφορά μεταξύ self-attention και cross-attention, και για ποιο σκοπό χρησιμοποιείται καθένα;
Ποιες είναι οι εναλλακτικές του CLIP (SigLIP, EVA-CLIP);
Ποια χαρακτηριστικά χρησιμοποιούνται στα κλασικά μοντέλα NLP (TF-IDF, n-grams, character n-grams);
Τι είναι το Dropout και πώς συμπεριφέρεται κατά τη διάρκεια της εκπαίδευσης και της inference;
Τι είναι το gradient boosting; Πού εμφανίζεται το gradient;
Ποιες είναι οι απαιτήσεις του EU AI Act για συστήματα υψηλού κινδύνου;
Πώς καταλαβαίνετε αν ένα μοντέλο είναι υποεκπαιδευμένο ή υπεκπαιδευμένο;
Ποια είναι τα προβλήματα της λειτουργίας ενεργοποίησης Sigmoid; Πού εφαρμόζεται και πώς ερμηνεύεται;
Εξηγήστε λεπτομερώς την πολυκεφαλική προσοχή: τι είναι τα Q/K/V, πώς υπολογίζονται τα βάρη προσοχής, γιατί υπάρχουν πολλά κεφάλια.
Τι είναι η τεκμηρίωση μοντέλου (κάρτα μοντέλου, φύλλο δεδομένων);
Καταλαβαίνουν τα μοντέλα Hugging Face τις σύντομες συντομογραφίες;
Πώς καθορίζονται τα όρια για τον υπολογισμό του ROC-AUC;