Machine Learning / AI
Τι είναι η δειγματοληψία Thompson και το UCB;
Πώς λαμβάνεται η απόφαση για την επιλογή της λειτουργίας απώλειας για το μοντέλο από την άποψη της επιχείρησης και των δεδομένων;
Τι είναι το SELECT FOR UPDATE;
Τι είναι το Kosmos και το multi-modal LLM;
Τι είναι το OSM και πώς να εξάγετε ετικέτες από αυτό;
Πώς αυξάνετε την ταχύτητα στη δοκιμή χωρίς να επανεκπαιδεύσετε το μοντέλο;
Τι είναι η ποσοτικοποίηση στη μηχανική μάθηση; Πώς γίνεται η ποσοτικοποίηση από FP32 σε INT8 — από έναν αριθμό κινητής υποδιαστολής σε ακέραιο;
Τι είναι το NSP (πρόβλεψη επόμενης πρότασης) και γιατί η RoBERTa την εγκατέλειψε;
Ποια είναι η διαφορά μεταξύ των μετρικών NDCG και Accuracy; Ποια είναι πιο σημαντική για το ειδησεογραφικό ρεύμα;
Πώς γίνεται η δυαδικοποίηση παραγόντων, για παράδειγμα η ηλικία;
Ποια μέθοδοι μπορούν να χρησιμοποιηθούν για τη δημιουργία εικόνων (GAN, VAE, διασπορά, αυτο-αναδρομικά); Πλεονεκτήματα και μειονεκτήματα κάθε μιας.
Πώς πρέπει να εργάζεται ένας πράκτορας με ένα πολύ μεγάλο σχήμα εργαλείων (επιλογή λειτουργιών);
Τι είναι το NGBoost και οι πιθανοτικές προβλέψεις;
Τι είναι το CUPED και πώς μειώνει τη διακύμανση;
Ποια είναι τα πιθανά προβλήματα με το AutoML σε παραγωγή (αναπαραγωγιμότητα);
Τι είναι τα λάθη πρώτου και δεύτερου είδους;
Ποιο ρυθμό μάθησης πρέπει να χρησιμοποιήσετε για μεγάλο batch και ποιο για μικρό; Ποιους κανόνες (κανόνας γραμμικής κλίμακας) γνωρίζετε;
Έχετε αντιμετωπίσει ποτέ μετατόπιση δεδομένων;
Τι είναι το ordered boosting στο CatBoost;
Τι είναι το p-tuning;