Machine Learning / AI

¿Qué es el compromiso entre sesgo y varianza y cómo lo abordan de manera diferente el gradient boosting y el bosque aleatorio?

¿Qué son los vectores dispersos y dónde se encuentran en ML/NLP?

¿Por qué no es suficiente indexar todo el repositorio para un agente de código para búsqueda semántica?

¿Qué características hay en la preparación de lotes y muestreo en DDP?

¿En qué se diferencian los métodos estáticos de los métodos de clase en Python?

¿Qué métricas y métodos de evaluación conoces para RAG?

¿Cómo resolviste el problema de ocultar datos sensibles en el asistente de métricas?

¿Cómo resolviste la tarea de moderación de audio: entrenaste un modelo personalizado?

¿Se pueden interpretar las puntuaciones del boosting de clasificación como probabilidades de clase?

¿Qué es la codificación posicional y qué enfoques se utilizan actualmente? ¿Dónde se aplica RoPE?

¿Cómo ayuda la alineación forzada a encontrar malas parejas de audio y texto?

¿En moderación, era necesario solo verificar la presencia de una inserción o también volver a verificar los datos con bases de datos?

¿Cómo es la matriz después del softmax sobre QKᵀ? ¿Cómo se distribuyen sus valores?

¿Por qué se usa un gradiente en el gradient boosting en lugar de solo la diferencia entre lo verdadero y lo predicho?