Machine Learning / AI
¿Qué se puede hacer si un agente desplegado responde demasiado lentamente o no hay suficiente memoria para alojar un LLM?
¿Cuáles son los proyectos y tareas que enfrenta el equipo?
¿Cuál es la diferencia entre las solicitudes GET y POST?
¿Tienes experiencia trabajando con Spark?
¿Qué se debe hacer después de la recuperación para formar la respuesta al usuario y cómo evaluar la calidad de la generación en RAG?
Cuéntenos sobre Word2Vec: ¿qué enfoques de entrenamiento se utilizan en él (CBOW, Skip-gram)?
¿Qué es el desplazamiento de datos (data drift)?
Tarea práctica AI propone entrenar LoRA en los 2 millones de diálogos sin limpiar. ¿Cuál es la respuesta más madura del candidato? - Confiar en AI: un gran corpus compensará los errores. - Primero cambiar el prompt sin modificar los datos. - Entrenar LoRA en la parte limpia y compararla con el modelo base. - Verificar una muestra aleatoria de las etiquetas antes del entrenamiento. - Primero verificar los datos y la calidad por temas en un conjunto separado, luego entrenar LoRA de manera limitada. - Entrenar en todo el corpus, pero reducir el rango de LoRA.
¿Cuándo llegaste a 1C:Rarus? ¿Tuviste un mentor/guía que te ayudara a integrarte en las tareas?
¿Luego revisas el código que generó la herramienta de IA?
¿Cómo afecta esto a su trabajo que tenga diferentes proyectos? ¿Esto afecta su motivación financiera? ¿Tiene bonificaciones por proyectos?
-- 1.1 ¿Qué mostrará la consulta: SELECT campaign, COUNT(*) as rows, COUNT(DISTINCT co.user_id) AS users FROM campaigns AS ca INNER JOIN communications AS co ON ca.campaign = co.campaign GROUP BY ca.campaign AS campaign -- 1.2 ¿Cómo cambiará la respuesta si se cambia el tipo de JOIN a LEFT? -- 1.3 Indique el orden de ejecución de los operadores en esta consulta. -- 2. La tabla campaigns fue corregida: se eliminó la duplicación, se añadió la clave (PK). -- Se realizaron más campañas, debido a errores, los usuarios comenzaron a tener intentos fallidos de entrega de comunicaciones, y algunos ni siquiera lograron mostrar. -- Ejemplo 1: communications -- | user_id | campaign | status | -- | 1000001 | promo_cats | error | -- | 1000001 | promo_cats | error | -- | 1000001 | promo_cats | success| -- | 1000001 | promo_cats | success| -- | 1000001 | promo_cats | error | -- Ejemplo 2: communications -- | user_id | campaign | status | -- | 1000002 | promo_rats | error | -- | 1000002 | promo_rats | error | -- | 1000002 | promo_rats | error | -- | 1000002 | promo_rats | error | -- | 1000002 | promo_rats | error | -- Sobre las campañas promocionales enviadas a los usuarios: -- 2.1 Escriba una consulta que muestre la cantidad de usuarios que recibieron con éxito la comunicación, para cada campaña. -- 2.2 Modifique la consulta para mostrar: la cantidad de usuarios que no recibieron ninguna comunicación exitosa en total, para cada campaña.
¿Cómo estás con SQL?
¿Cómo entrenar el modelo? Seq-to-seq es costoso, hay un montón de hiperparámetros. ¿Cómo hacerlo?
¿Cuáles son las formas de promediar las métricas en una clasificación multiclase?
Cuéntame sobre la tarea más difícil o dificultad en uno de los proyectos.
¿Por qué llamar a optimizer.zero_grad() al inicio del ciclo de entrenamiento?
¿En qué se diferencia el ajuste fino de RAG? ¿Obtendremos el mismo resultado?
¿Cuánto tiempo se necesita para comenzar un nuevo proyecto?
¿Qué es BERT y en qué tareas se entrenó?