Machine Learning / AI
Cuéntame en dos palabras sobre el equipo en el que trabajaste en [empresa].
Cuéntame la diferencia entre multitarea, multiprocesamiento y asincronía
¿Qué es LayoutLM y en qué se diferencia de BERT para documentos?
¿Tienes alguna pregunta?
¿Qué son las incrustaciones posicionales?
¿Cuál es la varianza de la constante?
¿Qué es el término 'PropNail/TopNail Optimization' que has utilizado?
Calcule el F1 para un modelo que siempre predice 0, con una muestra de 90 ceros y 10 unos.
¿Qué son la regularización L1 y L2 y por qué la L1 puede poner a cero los pesos?
¿Cómo evaluar la calidad de la búsqueda en una base de datos vectorial sin etiquetado?
Cuéntame sobre LoRA: ¿qué es, cómo se entrena y cómo funciona en la inferencia?
Cuéntame, ¿cuál es la composición del equipo, quién suele asignar las tareas y cómo se distribuyen las tareas entre el equipo?
Cuéntenos sobre el proyecto de agrupación de solicitudes con clasificación por importancia comercial.
Viernes, quedan 2.5 horas hasta el final del día laboral. Llega un cliente de negocios y dice que hay una reunión el lunes a las 9:30 y que hay que terminar una tarea que lleva 5-6 horas. ¿Qué harás?
Si el worker es sincrónico, ¿tendrá batching?
¿ Hubo cursos sobre modelos de optimización?
¿Qué fuentes de datos para ML ha integrado (DWH, Kafka, S3)?
¿Qué es la equidad interseccional?
¿Tiene un pequeño conjunto de datos con reseñas de películas en ruso y su etiqueta binaria de sentimiento (etiquetas: 0 — negativo, 1 — positivo)? Su tarea es implementar un pipeline completo en 15 minutos para entrenar un modelo simple de clasificación de texto sin usar codificadores preentrenados como BERT, y mostrar la precisión (accuracy) en estos datos. reviews = [ "¡Esta película es simplemente increíble!", "Actuaciones horribles y trama aburrida.", "¡Me encantó cada momento!", "La peor película que he visto.", "Excelente trabajo de dirección y una historia maravillosa.", "Insportablemente aburrido y predecible." ] labels = [1, 0, 1, 0, 1, 0]
Tarea práctica La puntuación media de la nueva LLM ha aumentado, pero los editores se quejan de respuestas financieras. ¿Qué gráfico apoyará mejor la decisión de lanzamiento? Un indicador principal de la puntuación media. Columnas con la puntuación media de todos los temas. Cajas con bigotes por temas y versiones del modelo. Tabla de puntuaciones medias por temas. Nube de palabras de las nuevas respuestas. Distribuciones de puntuaciones por versiones y temas con el tamaño de cada grupo.