Machine Learning / AI
¿Cuáles son los riesgos de AutoML desde el punto de vista de la interpretabilidad?
¿Qué es una clave sustituta?
¿Cómo evaluar la calidad del modelo mediante ROC AUC y qué significa una puntuación mala o buena?
¿Cuál es el método de ensamblaje de aprendizaje, además de bagging y boosting?
¿Se pueden usar características adicionales para mejorar el modelo?
¿Cómo verificar la normalidad de una muestra? ¿Qué criterios y métodos visuales conoces?
¿Cuáles son las causas del sobreajuste?
¿Qué es DeepFM?
¿Cuáles son las características de las actualizaciones OTA de modelos en aplicaciones móviles?
¿Por qué no hay una forma cerrada de solución para la regresión logística?
¿Con qué herramienta te gustaba trabajar más?
¿Qué bibliotecas de boosting usaste y por qué?
¿Cuál es su educación superior y área de estudio?
Cuéntame sobre QLoRA — ¿qué es y cómo lo usaste en tu experiencia?
¿Alguien se ha puesto en contacto anteriormente con [organización] sobre los proyectos, se han realizado entrevistas técnicas?
¿Qué errores en el ciclo de entrenamiento pueden empeorar el aprendizaje y la calidad del modelo?
¿Qué tarea se resuelve con BERT y CRF?
¿Cuáles son las formas de interpretabilidad de los modelos?
¿Qué puntos usar para determinar el eje de simetría en la coordenada x?
¿Tuviste alguna experiencia concreta con el entrenamiento de LLM?