Machine Learning / AI
¿Qué métricas son más importantes para evaluar la calidad de las recomendaciones: precisión o recall?
¿Qué es el Reconocimiento de Entidades Nombradas (NER)? ¿Qué tipo de anotación se usa con más frecuencia (BIO, BIOES)?
¿Dónde terminaba la zona de responsabilidad y tenía experiencia en escribir código de producción?
¿Qué es GIL en Python?
¿Qué es DML (aprendizaje automático doble)?
¿Qué tipos de normalización existen (Batch, Layer, Instance, Group, RMSNorm)?
¿Qué optimizaciones realiza Spark?
¿Funcionará el código con una cadena vacía?
¿Qué métodos de validación de modelos de series temporales excluyen la vista hacia el futuro durante el entrenamiento?
¿Qué es un grafo de conocimiento y dónde se aplican?
¿Cómo se combinan las salidas de las cabezas en FPN (Red de Pirámide de Características)?
¿Qué es COG (GeoTIFF optimizado para la nube)?
¿Qué es LayoutLM y sus versiones (v1, v2, v3)?
El coeficiente de correlación es 0. ¿Se puede afirmar que las muestras son independientes? ¿Por qué?
¿Se puede usar (1, [1, 2]) como clave en un diccionario en Python? ¿Por qué?
¿Qué es la curva ROC?
¿Cuáles son las características de las imágenes médicas (DICOM, CT, MRI)?
¿Por qué en las redes neuronales rara vez se utiliza la sigmoide como función de activación?
¿Qué sucederá si se elimina el primer o el último árbol en el refuerzo?
¿Qué métricas de clasificación multiclase conoces? Sus ventajas y desventajas (macro, micro, ponderada).