Πώς λειτουργεί ένα τυχαίο δάσος και πώς εκπαιδεύεται στην ταξινόμηση;
Machine Learning / AI
Πώς συγκρίνουμε την ποιότητα διαφορετικών μοντέλων embedding; Τι είναι το MTEB;
Ποια είναι η ασυμπτωτική πολυπλοκότητα κατά πολλαπλές διαβάσεις της λίστας;
Μπορεί το νέο μοντέλο με F1-score 0,81 να θεωρηθεί καλύτερο από το μοντέλο με 0,8 και να κυκλοφορήσει άμεσα στην παραγωγή;
Πρέπει να κανονικοποιήσουμε τον ελεύθερο όρο (bias, w0); Γιατί γενικά χρειάζεται το w0;
Αν το AUC ενός νέου μοντέλου είναι 0,82 σε σύγκριση με 0,80 στο προηγούμενο, μπορούμε να πούμε με βεβαιότητα ότι το νέο είναι καλύτερο; Πώς ελέγχεται η στατιστική σημαντικότητα;
Πώς μετράμε την ποιότητα ενός μοντέλου δυαδικής ταξινόμησης; Ποιες μετρήσεις γνωρίζετε;
Τι είναι το H(X) στο πλαίσιο της ταξινόμησης, για παράδειγμα η εντροπία;
Πώς συγκρίνουμε συντεταγμένες κινητής υποδιαστολής λαμβάνοντας υπόψη τις ιδιαιτερότητες του float σε διαφορετικές γλώσσες;
Μπορεί να διορθωθεί οικονομικά το πρόβλημα χρήσης του module στην κατιούσα του βαθμίδας;
Πώς συμπεριφέρονται το Precision και το Recall σε περίπτωση ανισορροπίας των κλάσεων; Παράδειγμα: 95 μονάδες και 5 μηδενικά, το μοντέλο πάντα προβλέπει 1.
Τι είναι η καμπύλη ROC;
Τι είναι ο re-ranker στο RAG; Ποια μοντέλα χρησιμοποιούν (cross-encoder, bge-reranker);
Ποιο είναι το κριτήριο διακλάδωσης στα δέντρα;
Με τι ασχολείστε στον ελεύθερο χρόνο σας;
Πώς περιγράφεται η αρχιτεκτονική του μοντέλου τυχαίου δάσους με ένα προστιθέμενο γραμμικό μοντέλο για εξαγωγή;
Τι είναι το μοντέλο γλώσσας Unigram στην τοκενίωση (όπως στο SentencePiece);