Machine Learning / AI
¿Cómo devuelve un árbol la probabilidad de pertenencia de un objeto a una clase?
¿Qué es la autoatención?
¿En qué situaciones es mejor usar numpy y en cuáles las estructuras de datos estándar de Python?
¿Qué es la diarización y qué enfoques (clustering, EEND)?
¿Qué es el ESD híbrido-estacional?
¿Qué es pruning en LLM y qué enfoques existen (magnitud, estructurado, SparseGPT)?
¿Cómo perfilar el consumo de energía en la inferencia de ML?
¿Qué tareas consideras ideales y en qué quieres trabajar?
¿Encontraron LR en un coche pequeño, el tamaño del lote aumentó en 1000 veces en el clúster. ¿Es necesario cambiar LR?
¿Qué características principales se utilizaron para clasificar el spam en los leads?
¿Qué es la preferencia pareada y cómo se calcula?
¿En qué formato colaboras con [empresa] y con [empresa]?
Diferencias arquitectónicas entre XGBoost, LightGBM y CatBoost: ¿cómo se construyen los árboles?
¿Se puede agregar un campo a la tabla en lugar de usar una consulta SELECT?
¿Por qué los pesos del modelo pueden volverse grandes y por qué es necesario reducirlos mediante regularización?
¿Qué métricas se utilizan para la segmentación y detección de objetos?
¿Qué son las embeddings obsoletas y cómo lidiar con ellas?
¿Por qué BERT ofrece una mejor calidad en tareas de clasificación de texto que TF-IDF con regresión logística?
¿Cómo crear y entrenar un clasificador en PyTorch?
¿Cómo funciona la tokenización? ¿Por qué se utilizan subword tokens en lugar de palabras completas?