Machine Learning / AI
Τι είναι το topic στο Kafka;
Γιατί η λειτουργία modulo δεν είναι κατάλληλη για την κατιούσα του βαθμίδας;
Τι είναι οι παραμετρικές και μη παραμετρικές στατιστικές δοκιμές;
Μίλησε για το BGE-M3: τρεις αναπαραστάσεις — πυκνή, αραιή, πολλαπλών διανυσμάτων.
Τι είναι οι δείκτες στις βάσεις δεδομένων και ποιος είναι ο σκοπός τους;
Τι είναι το training-serving skew και πώς το ανιχνεύουμε;
Τι είναι το offline RL και ποια είναι τα πιθανά προβλήματά του;
Πείτε μας για το MobileNet και το EfficientNet. Ποιες είναι οι βασικές ιδέες κάθε αρχιτεκτονικής;
Γιατί πρέπει να θέσουμε το μοντέλο σε λειτουργία inference (model.eval()) πριν από τη δοκιμή;
Το 2025 τελείωσες τις σπουδές σου — ήταν πτυχίο, εξειδίκευση ή κάτι άλλο;
Τι συμβαίνει με τις ουρές των λιστών μετά τον κύριο βρόχο και πώς να τις χειριστούμε;
Ποια είναι η διαφορά μεταξύ dropout και κανονικοποίησης παρτίδας;
Τι είναι το OEC (κριτήριο συνολικής αξιολόγησης);
Ποιος είναι ο τρόπος λειτουργίας στην ομάδα;
Τι είναι η λογιστική παλινδρόμηση και πώς λειτουργεί;
Πες μου για τα δέντρα αποφάσεων: πώς κατασκευάζεται ένα δέντρο και πώς γίνεται η πρόβλεψη (Inference);
Τι είναι η διαχωρισμός ομιλητών και ποιες προσεγγίσεις (clustering, EEND);
Μπορεί να εγγυηθεί κανείς ότι η γραμμική παλινδρόμηση προβλέπει τιμές εντός ενός δοσμένου εύρους για οποιεσδήποτε εισόδους;
Τι είναι το εποχιακό-υβριδικό ESD;
Τι είναι το pruning σε LLM και ποιες προσεγγίσεις υπάρχουν (magnitude, structured, SparseGPT);