Machine Learning / AI
¿Qué es el marco de evaluación RAG (Ragas, TruLens)?
¿Es correcto trabajar solo en un proyecto?
¿Cuántas filas teóricas puede devolver una consulta SQL?
¿Cómo garantizar la calidad de los datos y qué herramientas y procesos utilizar?
¿Se puede usar el conocimiento de que las coordenadas son enteras o semienteras, y cómo aplicarlo?
¿Qué es AWQ y cuál es la idea de escalado por canal?
¿Qué te gusta de trabajar en [empresa] y qué no te gusta?
¿Qué es el presupuesto de privacidad?
¿Qué devolver en presencia o ausencia de un eje de simetría?
¿Qué problemas surgen al trabajar con FastText al dividir palabras y hacer stemming?
¿Qué sucede cuando la tasa de aprendizaje es demasiado grande o demasiado pequeña en el descenso de gradiente?
¿Cómo se distribuyen las tareas en el equipo?
¿Cuáles son las características de los esquemas Parquet y por qué son eficientes para ML?
¿Qué es la codificación objetivo para características categóricas en el tiempo y cómo evitar la filtración?
¿Qué tareas resuelven las embeddings de KG (predicción de enlaces, clasificación de entidades)?
¿Por qué no se utiliza la fórmula analítica al resolver un problema de regresión lineal?
¿Qué es la pérdida de Tversky?
¿Qué es la validación cruzada de ventana expandida vs ventana móvil?
¿Qué es un token en BERT y qué opciones de tokenización existen?
¿Qué es la escala NTK-aware RoPE para ampliar la ventana de contexto?