Machine Learning / AI
¿Qué es la pérdida CTC en OCR?
¿Cómo obtener embeddings del texto que se puedan usar como entrada en un transformador?
¿Qué es Dropout y cómo se comporta durante el entrenamiento y la inferencia?
¿Cómo entender si un modelo está subentrenado o sobreentrenado?
¿Cuáles son los problemas de la función de activación Sigmoid? ¿Dónde se aplica y cómo se interpreta?
¿Cuáles son los requisitos de la EU AI Act para los sistemas de alto riesgo?
¿Cómo funcionan BatchNorm y LayerNorm? ¿Cuáles son las ventajas y desventajas de cada una y dónde se aplican?
¿Qué es la métrica MAP?
¿Cómo funciona ROC-AUC en datos con un fuerte desequilibrio de clases?
¿Qué es Tesseract y dónde están sus límites de calidad?
¿Qué función de pérdida aplicar al entrenar el modelo?
¿Cuántos factores hay que presentar en la entrada de CatBoost?
¿Se puede reemplazar una convolución 3x3 por dos convoluciones consecutivas 3x1 y 1x3? ¿Cuál es la ventaja y la pérdida?
¿Qué métodos de codificación de variables categóricas existen?
¿Qué es CUDA y cuáles son los conceptos básicos (kernel, grid, block, thread)?
¿Cuándo MAB es mejor que A/B y cuándo es peor?
¿De qué partes consta Stable Diffusion (SD)?
¿Cómo ayuda el modelo a los negocios?
¿Cuál es la idea de Cycle-GAN? ¿Qué pérdidas se utilizan en él?
¿Se puede aplicar el teorema del límite central en una población con distribución no normal?