Machine Learning / AI

¿Por qué te fuiste (te vas) de [empresa]?

¿Cómo llegaste a un valor específico del umbral de confianza?

¿Estás trabajando ahora o no?

¿Todo te queda claro sobre el producto (planes de medios), o quieres aclarar algo?

¿Cómo resolverías ahora (con tus conocimientos actuales) el problema de clasificación y enrutamiento de solicitudes en un service desk, utilizando un enfoque multinivel: reglas → ML → LLM fallback → humano? Nombra tecnologías, modelos y métricas específicas.

¿Fuiste el principal en Data Science en el equipo [empresa]? ¿Qué enfoques y tecnologías provienen de ti, y cuáles fueron definidos por el líder técnico?

Compara los modelos lineales y no lineales en ML clásico: ventajas y desventajas.

¿Hubo un reentrenamiento del modelo para esta tarea (no LLM)?

¿Qué tipos de tokenización conoces? Ventajas y desventajas de cada uno.

Cuéntame sobre la regularización: qué es, para qué sirve, qué tipos hay.

Cuéntame en dos palabras sobre el equipo en el que trabajaste en [empresa].

¿Fue en forma de prueba/piloto o se implementó directamente en producción y lo usaron los gerentes?

¿Qué es un gradiente desde el punto de vista matemático y cómo se aplica en el aprendizaje automático?

¿Qué representaba el producto en [empresa] desde el punto de vista del usuario (gestión de documentos, extracción de datos de KS-2/KS-3/costeo)?

Cuéntame sobre un proyecto con ML clásico (no LLM) del que estés orgulloso.

Cuéntame sobre ti, tu experiencia y los proyectos clave (en particular, sobre el sistema GPT corporativo en [empresa]).

¿Cómo entendió si el modelo clasificó correctamente los datos? ¿Qué acciones se requerían del gerente?

¿Cómo midió la calidad de la extracción de datos?