Machine Learning / AI
Τι είναι το class-aware vs class-agnostic NMS;
Τι είναι η τιμή p και ποιος είναι ο σκοπός της;
Γιατί οι μετασχηματιστές έχουν περιορισμό στον αριθμό των tokens;
Ποια προβλήματα υπάρχουν στην πρακτική RLHF (reward hacking, mode collapse);
Τι είναι ένα πεδίο υποδοχής;
Τι είναι το EasyOCR και το PaddleOCR;
Τι είναι τα συμβόλαια δεδομένων;
Τι είναι οι αργές υπολογισμοί στο Spark;
Πώς να χειριστείτε τις ελλείπουσες τιμές και τα κατηγορικά χαρακτηριστικά πριν την εκπαίδευση του μοντέλου;
Ποια είναι τα υπάρχοντα μέθοδοι κανονικοποίησης; Πλεονεκτήματα και μειονεκτήματα κάθε μιας, πεδία εφαρμογής.
Πώς φαίνεται οπτικά το αποτέλεσμα της αποσύνθεσης του CNN;
Ποια είναι τα πιθανά εμπόδια κατά την κανονικοποίηση δεδομένων για την επίλυση του προβλήματος της εξαγωγής σε ένα τυχαίο δάσος;
Τι είναι η μεροληψία επιλογής στα αρχεία κλικ;
Ποιο αλγόριθμο βρίσκεται στη βάση του μοντέλου;
Τι είναι η αναζήτηση με ακτίνα και γιατί σπάνια χρησιμοποιείται για ανοιχτού τύπου γεννήσεις;
Τι είναι το βάρος της απόδειξης (WoE) και η αξία της πληροφορίας (IV);
Τι είναι τα A2C και A3C;
Γιατί χρησιμοποιείται συχνότερα ο δείκτης B-tree και ποια είναι η αλγοριθμική του πολυπλοκότητα;
Πώς λειτουργεί ένα δέντρο αποφάσεων;
Τι είναι μια συνελίκωση 1x1 και ποια είναι η χρήση της;