Machine Learning / AI
¿Qué es la validación de esquema en la canalización de ML?
Cuéntame sobre las métricas de rendimiento del servicio de ML: latencia, RPS, ¿cómo se organizó esto en tu proyecto?
¿Qué tareas siguen resolviendo mejor los GAN que las difusiones (en tiempo real, baja latencia)?
¿Qué es la parametrización de predicción v vs eps?
¿Cómo se manejan las variables continuas en los árboles de decisión?
¿Qué sistema operativo y configuración de la computadora local utilizas?
¿Cómo evaluar la elasticidad de una característica y su impacto en el objetivo?
¿Qué es la atención de consulta agrupada (GQA) y para qué sirve?
¿Por qué antes surgía el problema del gradiente que desaparece?
¿Cómo resolvería este mismo problema de búsqueda del último clic sin usar JOIN?
¿Cuáles son las ventajas y desventajas de usar validación cruzada?
¿Qué posiciones estás considerando y qué tareas te parecen más interesantes?
¿Qué es early stopping en HPO (ASHA, Hyperband)?
¿Es necesario regularizar el término independiente (sesgo, w0)? ¿Por qué es necesario w0 en absoluto?
¿Qué función de pérdida se utiliza en la regresión lineal?
Cuéntame más sobre el proyecto Análisis de Causa Raíz (RCA): ¿qué es y cómo se implementó el sistema?
¿Qué es ETL?
¿Tienes ofertas/preofertas en mano ahora? ¿Qué tan activamente consideras las propuestas?
¿Cuál es la arquitectura y la composición del equipo?
¿Por qué 80/10/10 en el enmascaramiento de BERT (máscara, aleatorio, original)?