Machine Learning / AI
CLIP: ιδέα, λειτουργία απώλειας, μέθοδος εκπαίδευσης, για τι χρησιμοποιείται. Ποιες μετρικές απόστασης μεταξύ ενσωματώσεων μπορούν να χρησιμοποιηθούν και ποιες χρησιμοποίησαν οι συγγραφείς;
Για την εμπειρία από την PIK: NLP ταξινομητής αιτήσεων εργολάβων/μηχανικών. Ήταν πολλές οι αιτήσεις;
Ποιες εργασίες αντιμετωπίζει κακά το AutoML (μικρά δεδομένα, μη τυπικές γνώσεις τομέα);
Πώς επιλέγουμε backbones για την ταξινόμηση;
Τι είναι το Δίκτυο Ομοιότητας Γραφημάτων (GIN);
Ποια είναι τα use-cases του on-device LLM (Gemini Nano, Phi-3-mini);
Τι είναι το overfitting;
Τι είναι η ποσοτικοποίηση του μοντέλου και τι συμβαίνει με τα βάρη κατά την εφαρμογή της στο vLLM;
Τι είναι η Apple Neural Engine;
Ποιο είναι το κριτήριο διακλάδωσης στα δέντρα;
Τι είναι οι αντιφατικές εξηγήσεις;
Γιατί εφαρμόζεται το LayerNorm στην τελευταία διάσταση και όχι στο πακέτο;
Τι είναι το stochastic depth και γιατί χρησιμοποιείται στο EfficientNet;
Τι είναι ένα πρότυπο συνομιλίας και ποια είναι η χρήση του σε εκπαιδευτικά μοντέλα;
Τι είναι η μεταφορά sim-to-real και η τυχαία διαμόρφωση τομέα;
Γιατί ο Python ονομάζεται μονονηματικός;
Τι είναι το SSP και το DSP;
Τι είναι το training-serving skew και πώς το ανιχνεύουμε;
Ποια είναι η διαφορά μεταξύ των εργασιών επιβλεπόμενης και μη επιβλεπόμενης μάθησης;
Δίνεται η επαναληπτική ακολουθία x_n = A * x_{n-1}, όπου A είναι μια μήτρα, x είναι ένα διάνυσμα, και x_0 είναι αυθαίρετο. Προς τι τείνει η ακολουθία όταν n → ∞;