Machine Learning / AI
Ποιοι είναι οι κίνδυνοι της ενίσχυσης των προκαταλήψεων;
Γιατί σχεδόν σταμάτησαν να χρησιμοποιούν μεγάλες συστροφές 9x9, 7x7, 5x5;
Τι είναι το self-ask prompting;
Πότε το MAB είναι καλύτερο από το A/B και πότε χειρότερο;
Τι είναι το CUDA και ποια είναι οι βασικές έννοιες (kernel, grid, block, thread);
Από ποια μέρη αποτελείται το Stable Diffusion (SD);
Πώς βοηθάει το μοντέλο την επιχείρηση;
Τι είναι το word2vec;
Ποια είναι η ιδέα του Cycle-GAN; Ποιες απώλειες χρησιμοποιούνται σε αυτό;
Ποιες επιταχύνσεις inference επιτυγχάνονται;
ROC-AUC = 0.9. Τι θα συμβεί με αυτό το μέτρο αν πολλαπλασιάσουμε όλες τις προβλέψεις του μοντέλου με 3;
Γιατί η κανονικοποίηση L1 μηδενίζει μερικά βάρη, ενώ η L2 όχι;
Ποιοι είναι οι τρόποι βελτιστοποίησης βαριών ερωτημάτων στη βάση δεδομένων;
Ποιοι έλεγχοι πρέπει να γίνουν κατά την επιλογή του ρυθμού μάθησης για SFT LLM;
Μπορεί η κεντρική οριακή θεωρία να εφαρμοστεί σε μια γενική πληθυσμό με μη κανονική κατανομή;
Λύνοντας ένα πρόβλημα γραμμικής παλινδρόμησης, όλα y > 0. Ποια από τα παρακάτω αλγορίθμους μπορεί να δώσει αρνητική πρόβλεψη: γραμμική παλινδρόμηση, KNN, gradient boosting, δέντρο, τυχαίο δάσος, νευρωνικό δίκτυο;
Ποια δομή δεδομένων βρίσκεται στη βάση του dict στην Python; Πώς επιλύονται οι συγκρούσεις;
Ποιες συγκεκριμένες αυξήσεις για δορυφορικές εικόνες (περιστροφή, πολλαπλή κλίμακα);
Τι είναι το bagging και γιατί μειώνει τη διακύμανση του μοντέλου;
Πώς εκπαιδεύτηκε το BERT; Τι είναι το MLM και το NSP;