Πώς καταλαβαίνετε αν ένα μοντέλο είναι υποεκπαιδευμένο ή υπεκπαιδευμένο;
Machine Learning / AI
Τι είναι το MRR και πού εφαρμόζεται;
Τι είναι η τιμή p;
Τι είναι το CUTLASS;
Τι είναι το DoRA και πώς διαφέρει από το LoRA;
Ποιες είναι οι υποθέσεις στη δοκιμασία υποθέσεων;
Τι είναι η γραμμική παλινδρόμηση;
Τι είναι το ShuffleNet και γιατί υπάρχει εκεί το channel shuffle;
Τι είναι το feature engineering για χρονοσειρές (lags, κυλιόμενα στατιστικά, χαρακτηριστικά datetime);
Ποια μετρική ποιότητας ταξινόμησης υπάρχουν;
Ποια είναι η διαφορά μεταξύ γραμμικής και λογιστικής παλινδρόμησης;
Πώς υπολογίζουμε την πιθανότητα ασθένειας με θετικό τεστ λαμβάνοντας υπόψη την ευαισθησία και την ειδικότητα;
Πώς ελέγχετε την ποιότητα νέων λειτουργιών και υποθέσεων σε μοντέλα κινδύνου και ποιες μετρήσεις χρησιμοποιείτε;
Τι είναι η αύξηση κατά τη διάρκεια της δοκιμής (TTA);
Τι είναι το FlashAttention από την άποψη του προγραμματισμού πυρήνων;
Πώς χειρίζεστε τα σφάλματα κλήσης εργαλείου στον πράκτορα (επανάληψη, fallback);
Τι είναι η απώλεια Tversky;
Ποιοι είναι οι τύποι κανονικοποίησης και πώς λειτουργούν;
Ποιες κατανομές υπάρχουν και πού εφαρμόζονται;
Ποιοι αλγόριθμοι μείωσης διαστάσεων υπάρχουν;