Machine Learning / AI
¿Por qué no se puede aprender simplemente en las salidas del aumento de gradiente?
¿Qué métodos de regularización existen para modelos no lineales?
¿Qué trucos prácticos aceleran la inferencia de transformadores (decodificación especulativa, medusa)?
¿Qué son la muestreo de Thompson y UCB?
¿Cómo usar Airflow para orquestar procesos ETL?
¿Cuál es la interpretación probabilística del ROC-AUC?
¿Quién tendrá un efecto más negativo al eliminar el primer árbol: el modelo de boosting o el de bagging?
¿Qué es un feature store y qué tareas resuelve (Feast, Tecton)?
¿Cuándo el deep learning supera a GBDT en datos tabulares?
¿Qué enfoques se pueden utilizar para mejorar la calidad del modelo después de alcanzar un resultado básico?
¿Qué es el preentrenamiento auto-supervisado para GNN?
¿Qué son Airflow / Prefect / Dagster en los pipelines de ML?
¿Qué es FSDP y en qué se diferencia de DDP?
¿Qué protecciones contra la inyección de prompts conoces?
¿Qué son los bandits contextuales?
¿Qué es la asincronía? ¿En qué se diferencia asyncio de los hilos?
¿Qué bibliotecas utilizas para resolver tareas típicas de aprendizaje automático?
¿Qué son los modelos generativos de moléculas?
¿Cómo utilizar la consulta de búsqueda y el historial del usuario para formar la entrega en el inicio en frío?
¿Qué es el aprendizaje activo basado en flujos?