Machine Learning / AI

Πώς επηρεάζει η προσθήκη ίδιων τιμών σε όλα τα αντικείμενα τις μετρήσεις ταξινόμησης;

Middle — Senior

СБЕР

Μπορεί μια συμβολοσειρά να έχει μη τυπικό μήκος;

Middle

СБЕР

Ποια γλώσσα προγραμματισμού χρησιμοποιείται για τις αγωγές και τις μικρουπηρεσίες;

Middle

Газпромбанк

Πώς πραγματοποιείται η δοκιμή A/B;

Middle

1221 Systems

Aston

Ποια είναι τα τυπικά σημεία συμφόρησης στην υπηρεσία LLM;

Senior

ЦифровыеПривычки

Yandex Research

Альфа-Банк

Τι είναι το CDC (καταγραφή αλλαγών δεδομένων) και πού εφαρμόζεται;

Middle — Senior

Иннотех

Ποια προβλήματα προκύπτουν στην ομαδική inference LLM με διαφορετικά μήκη ερωτημάτων;

Τι είναι η προκατάληψη θέσης στα δεδομένα κλικ;

Πώς φαίνεται η κατανομή των πωλήσεων ενός προϊόντος ανά συχνότητα;

Τι είναι οι κανονικές μορφές και ποιες υπάρχουν;

Middle

Иннотех

Ποιες μετρήσεις γνωρίζετε για την αξιολόγηση ενός συστήματος LLM γενικά;

Middle

СБЕР

Ποια είναι τα τεχνάσματα των δοκιμών ολοκλήρωσης για τις υπηρεσίες ML;

Middle — Senior

ВТБ

VK Cloud

Τι είναι το DeepSpeed ZeRO Stage 1/2/3;

Middle — Senior

Совкомбанк

Ποιες εργασίες επιλύουν τα GNN στην ανίχνευση απάτης;

Πώς θα ρυθμίσουμε τις παραμέτρους στο gradient boosting; Ποιες παράμετροι υπάρχουν και τι θα ρυθμίσεις πρώτα;

Middle+

Avito

Γιατί σκέφτεσαι να φύγεις από την τρέχουσα δουλειά σου;

Middle

Aston

Πρακτική άσκηση Η τεχνητή νοημοσύνη δημιούργησε κώδικα για την απόφαση σχετικά με την κυκλοφορία ενός νέου LLM. Κάντε μια ανασκόπηση: τροποποιήστε τον έτσι ώστε ο επεξεργαστής να μπορεί να συγκρίνει την ποιότητα των εκδόσεων κατά θεματικά τμήματα, να βλέπει την κατανομή των αξιολογήσεων και να παρατηρεί τον κίνδυνο επιδείνωσης σε μια μικρή ομάδα δεδομένων. import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') summary = scores.groupby('model_version')['score'].mean() plt.bar(summary.index, summary.values) plt.title('Ποιότητα μοντέλων') plt.ylabel('Μέσος βαθμός') plt.show() print('Καλύτερη έκδοση:', summary.idxmax()) --- import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') stats = ( scores.groupby(["topic", "model_version"])["score"] .agg(["mean", "std", "count"]) .reset_index() ) print(stats) for topic, group in scores.groupby("topic"): group.boxplot(column="score", by="model_version") plt.title(f"Θέμα: {topic}") plt.suptitle("") plt.ylabel("Βαθμολογία") plt.show() small_groups = stats[stats["count"] < 30] print("Μικρές ομάδες - τα συμπεράσματα δεν είναι αξιόπιστα:") print(small_groups)

Τι είναι το ColBERT και τι είναι η αργή αλληλεπίδραση;

Middle — Senior

2gis

Μετά το ID του token και τα embeddings, τι ακριβώς εισέρχεται στον decoder: ποια είναι η μορφή των αναπαραστάσεων, πώς προστίθεται η πληροφορία θέσης και τι συμβαίνει στη συνέχεια;

Τι είναι το CV-leak και ποια είναι οι πηγές του;

Middle — Senior

Домклик