Τι είναι τα μοντέλα διάχυσης ήχου (AudioLDM);
Machine Learning / AI
Τι είναι το MRR και πού εφαρμόζεται;
Ποια είναι τα μειονεκτήματα των Bayesian προσεγγίσεων στην πράξη;
Τι είναι το BM25 και ποια είναι τα παραμέτρους (k1, b);
Τι είναι το hard negative mining στην κατάταξη;
Τι είναι το early stopping στο boosting και πώς το επικυρώνουμε σωστά;
Τι είναι το Megatron-LM και ποια είναι η προσέγγισή του στον παράλληλο tensor;
Τι είναι η διαδοχική δοκιμή (mSPRT, πάντα έγκυρη);
Ποια είναι τα χαρακτηριστικά της ανάπτυξης μοντέλων στην edge (μνήμη, καθυστέρηση, batch=1);
Ποια είναι τα χαρακτηριστικά των σχημάτων Parquet και γιατί είναι αποτελεσματικά για το ML;
Ποια είναι τα χαρακτηριστικά της συλλογής ετικετών (crowdsourcing, ενεργή μάθηση);
Ποιες εργασίες επιλύει η Μηχανική Μάθηση στην ρομποτική (αίσθηση, σχεδιασμός, έλεγχος);
Τι είναι το propensity score και η χρήση του (matching, IPW);
Τι είναι το Apache Spark και πού είναι αποτελεσματικό σε pipelines ML;
Τι είναι τα πιθανά αποτελέσματα (potential outcomes) του Rubin;
Τι είναι η στασιμότητα μιας σειράς και πώς να την ελέγξετε (δοκιμή ADF);