Machine Learning / AI
Τι είναι το pseudo-labeling στην ανίχνευση;
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;
Πώς πρέπει να εργάζεται ένας πράκτορας με ένα πολύ μεγάλο σχήμα εργαλείων (επιλογή λειτουργιών);
Τι είναι το Delta Lake / Iceberg / Hudi και γιατί lakehouse;
Τι είναι η αυτοανάλυση στους πράκτορες (Αντανάκλαση);
Τι είναι το CUPED και πώς μειώνει τη διακύμανση;
Ποια είναι τα πιθανά προβλήματα με το AutoML σε παραγωγή (αναπαραγωγιμότητα);
Τι είναι το feature ensembling στο Anomalib;
Είχατε εμπειρία στη μείωση του μεγέθους του μοντέλου ή στην βελτιστοποίησή του;
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;
Ποια είναι τα μειονεκτήματα των Bayesian προσεγγίσεων στην πράξη;
Έχετε αντιμετωπίσει ποτέ μετατόπιση δεδομένων;
Ποιες βιβλιοθήκες νευρωνικών δικτύων χρησιμοποιήσατε;
Τι είναι ο πιθανοτικός προγραμματισμός (PyMC, Stan, NumPyro);
Πώς μετατρέπουμε τις κριτικές χρηστών σε μετρήσιμη ποιότητα υπηρεσίας;
Πώς απευθύνεται το bot στο μοντέλο;
Πώς αξιολογείται η ποιότητα του retriever; Από πού να πάρετε μια συλλογή εγγράφων για την αξιολόγηση των μετρικών;
Τι να κάνετε αν το μοντέλο δεν χωράει στην GPU κατά τη διάρκεια περαιτέρω εκπαίδευσης;