Σε ποια μορφή έρχονται οι αποδείξεις: γραμμές ή εικόνες;
Machine Learning / AI
Ποια είναι τα χαρακτηριστικά (features) και ποιος είναι ο στόχος στην εργασία;
Τι είναι η διακριτοποίηση (binning) συνεχών χαρακτηριστικών και ποιος είναι ο σκοπός της;
Τι είναι η μετα-μάθηση για το AutoML;
Μπορούν να χρησιμοποιηθούν επιπλέον χαρακτηριστικά για τη βελτίωση του μοντέλου;
Πώς να λύσετε το πρόβλημα της έλλειψης απαραίτητων πληροφοριών στα δεδομένα;
Σχεδιάστε ένα σύστημα διαχείρισης περιεχομένου UGC (κείμενο + εικόνες).
Τι είναι η επιλεκτική αναζήτηση και γιατί ήταν απαραίτητη στο R-CNN;
Ποιες εργασίες επιλύουν τα GNN στον μοριακό σχεδιασμό (οικογένειες του AlphaFold);
Πρέπει να προσθέσετε τα υπόλοιπα στοιχεία από μια μεγαλύτερη λίστα μετά τη συγχώνευση;
Μπορεί να προστεθεί έλεγχος ταξινόμησης των εισερχόμενων λιστών για προστασία από λανθασμένα δεδομένα;
Πώς υλοποιείτε τη συγχώνευση δύο λιστών μέσω βρόχου while με λίστες διαφορετικού μήκους;
Τι είναι το LambdaMART;
Ποιες μετρήσεις χρησιμοποιούνται για την αξιολόγηση της ανίχνευσης ανωμαλιών σε περίπτωση ανισορροπίας;
Τι είναι η ταξινόμηση κόμβων, ταξινόμηση ακμών, ταξινόμηση γραφημάτων;
Ποιες εργασίες εξακολουθούν να επιλύονται καλύτερα από τα GAN από τις διαχύσεις (σε πραγματικό χρόνο, χαμηλή καθυστέρηση);
Ποιοι τύποι αυξήσεων είναι ειδικοί για την ανίχνευση (mosaic, mixup);
Σε ποιες εργασίες βοηθάει το CoT και σε ποιες καταστρέφει την ποιότητα;
Ποια είναι τα χαρακτηριστικά παραγωγής στην πρόβλεψη χιλιάδων χρονικών σειρών;
Πώς λειτουργεί ένα δέντρο αποφάσεων;