Machine Learning / AI
Compensación entre sesgo y varianza para el método k vecinos más cercanos (kNN) cuando k=1 y cuando k es grande.
¿Por qué piensa que se va ahora?
¿Cuál fue la mayor fuente de errores?
¿Cómo extrae LLM los datos necesarios de la consulta para pasarlos a la herramienta?
¿Cómo implementarías una protección contra insultos/preguntas provocativas para que el bot no comience a insultar en respuesta?
¿Cuál es la idea de Margin Loss?
¿Cómo medir si un modelo de embedding y recuperación funcionan correctamente?
Cuéntame sobre ti, tu experiencia, en qué tareas has trabajado.
¿Cómo luchaste en general contra los documentos obsoletos?
Cuéntanos sobre Momentum: ¿cuáles son sus características?
¿Con qué bases de datos ha trabajado?
¿Qué función de pérdida (loss) se usa por defecto en la regresión lineal?
¿Qué es DSSM, sabes?
¿Tiene experiencia en mejorar frameworks para inferencia o entrenamiento de LLM?
¿Cómo se realiza la llamada a las herramientas (tool calling) en el agente?
¿Cómo comenzaste a actuar con el proyecto de evaluación de la calidad de los diálogos? ¿Qué datos tenías, qué enfoque elegiste?
¿Cómo evaluar las respuestas de LLM si son correctas pero están escritas de manera diferente?
¿Y cómo funcionaría teóricamente en el boosting si el objetivo es menos uno? Supongamos que tenemos positivo y negativo, si en el positivo establecemos un objetivo de 10 en lugar de uno, ¿qué pasaría, no cambiaría nada?
¿Cuál es la diferencia fundamental entre DBSCAN y K-Means?
Tarea de clasificación con un fuerte desequilibrio de clases: ¿qué métricas son buenas, cuáles son malas?