Τι είναι η μη εποπτευόμενη μάθηση και ποια μοντέλα χρησιμοποιούνται;
Machine Learning / AI
Τι είναι ένα γράφος και πώς παρουσιάζεται για νευρωνικά δίκτυα (πίνακας γειτνίασης, λίστα ακμών);
Πώς προσθέτετε μια νέα πηγή δεδομένων με μια σύντομη ιστορία στην λογιστική παλινδρόμηση;
Τι είναι το LambdaRank;
Τι είναι η διαφορική ιδιωτικότητα και το DP-SGD;
Πώς συνδέει η τιμή p τα παρατηρούμενα δεδομένα με την μηδενική υπόθεση;
Ποια είναι η διαφορά μεταξύ gradient boosting και τυχαίου δάσους;
Πώς οργανώνεται μια ομάδα ελέγχου (τεστ) σε μοντέλα κινδύνου;
Τι είναι το gradient boosting;
Τι είναι οι παραμετρικές και μη παραμετρικές στατιστικές δοκιμές;
Τι είναι το GCN (Δικτυακό Δίκτυο Συνελικτικής Γραφής) και ποια είναι ο τύπος ενημέρωσής του;
Πώς αξιολογείται η ποιότητα του μοντέλου με το ROC AUC και τι σημαίνει μια κακή ή καλή βαθμολογία;
Τι είναι ένα autoencoder για ανίχνευση ανωμαλιών και πώς υπολογίζεται το σφάλμα ανακατασκευής;
Τι είναι η περιστρεφόμενη κανονικοποίηση;
Τι είναι η ζεύξη προτίμησης και πώς την υπολογίζουμε;
Τι είναι το RoPE (περιστροφικές διαστάσεις τοποθέτησης) και ποια είναι τα πλεονεκτήματά του;
Τι είναι το FSDP (Fully Sharded Data Parallel);
Ποια σύγχρονα μέθοδοι για χρονικές σειρές είναι αποτελεσματικές;
Τι είναι ο νόμος του Twyman και πώς να τον αντισταθούμε;
Πώς να αποφύγετε την προκατάληψη δείγματος κατά την εκπαίδευση ενός μοντέλου με εγκριθέντα δάνεια;