Μπορούν να θέσουν ερωτήσεις σχετικά με δομές δεδομένων, όπως δέντρα και συνδεδεμένες λίστες, σε μια συνέντευξη ML;
Machine Learning / AI
Τι κάνετε στη τρέχουσα θέση εργασίας σας;
Ποιο μοντέλο θα επιλέγατε για μια εργασία δυαδικής ταξινόμησης (διανύσματα από R^n, ετικέτες 0 και 1); Εξηγήστε γιατί.
Γιατί εφαρμόζεται το LayerNorm στην τελευταία διάσταση και όχι στο πακέτο;
Πώς θα εκπαιδεύσουμε την λογιστική παλινδρόμηση; Ποια λειτουργία απώλειας θα χρησιμοποιήσουμε;
Τι να κάνετε αν τα σημεία στις λίστες ταιριάζουν με το χρονόμετρο;
Ποια μέσα είναι φθηνότερα από την ανθρώπινη αξιολόγηση (LLM-ως-κριτής, βαθμολόγηση από το μοντέλο);
Προς τα πού δείχνει το διανυσματικό πεδίο της συνάρτησης f(x) = 4x + 5 στο σημείο x;
-- 1.1 Τι θα εμφανίσει το ερώτημα: SELECT campaign, COUNT(*) as rows, COUNT(DISTINCT co.user_id) AS users FROM campaigns AS ca INNER JOIN communications AS co ON ca.campaign = co.campaign GROUP BY ca.campaign AS campaign -- 1.2 Πώς θα αλλάξει η απάντηση αν αλλάξουμε τον τύπο JOIN σε LEFT; -- 1.3 Δώστε τη σειρά εκτέλεσης των τελεστών σε αυτό το ερώτημα. -- 2. Ο πίνακας campaigns διορθώθηκε: αφαιρέθηκαν οι διπλότυποι, προστέθηκε το κλειδί (PK). -- Πραγματοποιήθηκαν περισσότερες καμπάνιες, λόγω σφαλμάτων, οι προσπάθειες παράδοσης επικοινωνιών απέτυχαν για ορισμένους χρήστες, και κάποιοι δεν κατάφεραν καν να εμφανιστούν. -- Για τις προωθητικές καμπάνιες που στάλθηκαν στους χρήστες: -- 2.1 Γράψτε ένα ερώτημα που εμφανίζει τον αριθμό των χρηστών που έλαβαν επιτυχώς την επικοινωνία για κάθε καμπάνια. -- 2.2 Τροποποιήστε το ερώτημα ώστε να εμφανίζει: τον αριθμό των χρηστών που δεν έλαβαν καμία επιτυχής επικοινωνία, για κάθε καμπάνια.
Από την άποψη των αναλυτικών εργασιών, τι ήταν; Έχετε αντιμετωπίσει δοκιμές A/B; Ποιες μετρήσεις χρησιμοποιήσατε;
Τι είναι η υπερεκπαίδευση; Πώς την ανιχνεύουμε και πώς την αποτρέπουμε;
-- # -- Οι διαφημιστές ξεκινούν προωθητικές καμπάνιες στην εφαρμογή της υπηρεσίας. Υπάρχουν δύο πίνακες: -- # -- campaigns - λίστα καμπανιών -- # -- - campaign - όνομα καμπάνιας -- # -- - action_type - τύπος καμπάνιας: "push" ή "banner" -- # -- communications - καταγραφή backend με τις αποστολές επικοινωνιών αυτών των καμπανιών στους χρήστες -- # -- - user_id - αναγνωριστικό χρήστη -- # -- - campaign - όνομα καμπάνιας -- # -- - status - κατάσταση συμβάντος: "success" ή "error" -- ------------------------------------------------------------------------------------------------------------------------ -- # -- 1. Αρχικά, στον πίνακα campaigns υπάρχουν 4 γραμμές: -- # -- | campaign | action_type | -- # -- |-------------|-------------| -- # -- | promo_dogs | push | -- # -- | promo_cats | banner | <- τυχαία διπλότυπο -- # -- | promo_cats | banner | <- δύο γραμμές -- # -- | promo_rats | push | # # -- Επιπλέον, είναι γνωστό ότι: -- # -- οι καμπάνιες promo_dogs και promo_cats πραγματοποιήθηκαν με επιτυχία σε 100 χρήστες, και κάθε χρήστης έλαβε μια επικοινωνία, -- # -- ενώ η promo_rats βρίσκεται μόνο στο στάδιο του σχεδιασμού. -- # -- 1.1 Τι θα εμφανίσει το ερώτημα: SELECT campaign, COUNT(*) as rows, COUNT(DISTINCT co.user_id) AS users FROM campaigns AS ca INNER JOIN communications AS co ON ca.campaign = co.campaign GROUP BY ca.campaign -- # -- 1.2 Πώς θα αλλάξει η απάντηση αν αλλάξει ο τύπος JOIN σε LEFT; -- # -- 1.3 Δώστε τη σειρά εκτέλεσης των τελεστών σε αυτό το ερώτημα. -- Απάντηση: promo_dogs ... ...
Πώς εκφράζουμε τον αριθμό των μπάλων στο δεύτερο καλάθι μέσω του αριθμού των μπάλων στο πρώτο;
Πώς επηρεάζει η παρουσία πολλών μηδενικών στη λίστα την απόφαση;
Ποιες μεθόδους κανονικοποίησης γνωρίζετε; Πώς διαφέρουν το L1 και το L2;
-- 1.1 Τι θα εμφανίσει το ερώτημα: SELECT campaign, COUNT(*) as rows, COUNT(DISTINCT co.user_id) AS users FROM campaigns AS ca INNER JOIN communications AS co ON ca.campaign = co.campaign GROUP BY ca.campaign AS campaign -- 1.2 Πώς θα αλλάξει η απάντηση αν αλλάξετε τον τύπο JOIN σε LEFT; -- 1.3 Δώστε τη σειρά εκτέλεσης των τελεστών σε αυτό το ερώτημα. -- 2. Ο πίνακας campaigns διορθώθηκε: αφαιρέθηκαν οι διπλότυποι, προστέθηκε το κλειδί (PK). -- Πραγματοποιήθηκαν περισσότερες καμπάνιες, λόγω σφαλμάτων, οι χρήστες άρχισαν να λαμβάνουν αποτυχημένες προσπάθειες παράδοσης επικοινωνιών, και μερικοί δεν κατάφεραν καν να εμφανιστούν. -- Παράδειγμα 1: communications -- | user_id | campaign | status | -- | 1000001 | promo_cats | error | -- | 1000001 | promo_cats | error | -- | 1000001 | promo_cats | success| -- | 1000001 | promo_cats | success| -- | 1000001 | promo_cats | error | -- Παράδειγμα 2: communications -- | user_id | campaign | status | -- | 1000002 | promo_rats | error | -- | 1000002 | promo_rats | error | -- | 1000002 | promo_rats | error | -- | 1000002 | promo_rats | error | -- | 1000002 | promo_rats | error | -- Για τις προωθητικές καμπάνιες που στάλθηκαν στους χρήστες: -- 2.1 Γράψτε ένα ερώτημα που εμφανίζει τον αριθμό των χρηστών που έλαβαν επιτυχώς την επικοινωνία, για κάθε καμπάνια. -- 2.2 Τροποποιήστε το ερώτημα ώστε να εμφανίζει: τον αριθμό των χρηστών που δεν έλαβαν καμία επιτυχημένη επικοινωνία, για κάθε καμπάνια.
// Ένας ταξινομημένος πίνακας a σε μη φθίνουσα σειρά, ο δείκτης του στοιχείου index και ένας ακέραιος k. // Είναι απαραίτητο να επιστραφούν με οποιαδήποτε σειρά k αριθμοί από τον πίνακα που είναι οι πιο κοντινοί σε τιμή στο στοιχείο a[index]. // Περιορισμοί: // Μέγεθος πίνακα 1 <= N <= 10^6; // Στοιχεία πίνακα: -10^9 <= a[i] <= 10^9; // Αριθμός 0 <= k <= N; // Δείκτης στοιχείου 0 <= index < N. // find_k_closest(a={2, 3, 5, 7, 11}, index=3, k=2) -> {5, 7}
Γράψτε τον τύπο πρόβλεψης για την λογιστική παλινδρόμηση.