Machine Learning / AI

Ποια είναι τα πλεονεκτήματα της λογιστικής παλινδρόμησης και του gradient boosting και σε ποιες εργασίες πρέπει να χρησιμοποιούνται;

Middle — Senior

СБЕР

Иннотех

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

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

Τι είναι η μετα-επεξεργασία OCR (αναβαθμολόγηση λεξικού, μοντέλο γλώσσας);

Middle — Senior

МТС

Τι είναι η αναδιατύπωση ερωτημάτων στο RAG;

Middle — Senior

Тинькофф

Газпромбанк

Τι είναι ο χρονικός μοντελισμός και γιατί χρειάζεται η χρονική είσοδος;

Senior

ВижнТех

Островок

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

Middle — Senior

ВТБ

VK Cloud

Πόσα έγγραφα πρέπει να αυτοματοποιηθούν — περίπου 1000. Πώς να προσεγγίσουμε την επεξεργασία;

Middle

СБЕР

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)