Machine Learning / AI
Describe la última tarea de ML resuelta según el esquema: objetivo, datos, métrica de calidad, algoritmo de ML y resultado
¿Cómo etiquetar los datos de audio?
¿Qué métodos de ensamblaje conoces? ¿Qué grupos de métodos de ensamblaje existen?
¿Qué tipos de errores existen en los protocolos médicos y cómo se clasifican?
¿Cuáles son las ventajas y desventajas de usar validación cruzada?
¿Cuál fue tu papel en el proyecto?
Describe brevemente qué hace cada uno de los cuatro agentes del sistema multiagente de extremo a extremo.
¿Cómo llegaste a un valor específico del umbral de confianza?
¿Qué implementaciones de boosting conoces o con cuáles has trabajado?
¿Por qué se utiliza Layer Norm en el transformador en lugar de Batch Norm?
¿Qué es una partición en Kafka?
¿Cuál es la diferencia entre self-attention y cross-attention?
¿Cómo usar la tasa de cambio del último día disponible para fines de semana y feriados?
¿Por qué quieres dejar [organización] y qué significa para ti el desarrollo profesional?
¿Qué es la contaminación de los benchmarks y cómo se combate?
Cuéntenos sobre la regularización en algoritmos clásicos de ML: L1 y L2. ¿Cuáles son sus propiedades y diferencias?
¿Cómo automatizaría la división en fragmentos con un volumen de datos de 10 gigabytes?
¿Qué tan importante o crítica es para ti la acreditación de TI de la empresa?
Cuéntenos sobre su experiencia en gestión de proyectos deportivos.
Cuente un caso en el que el modelo funcionó bien en la evaluación offline, pero tuvo un rendimiento deficiente en producción: ¿qué ocurrió y qué hizo usted?