Sobes.tech

Python

Kuidas lisada rakendusse spetsiifiline ärimõõdik — mida teha, kuidas see koodis välja näeb?

132

Kas sama ML-teenus teikdams datu papildināšanu no ārējiem avotiem un modeļa palaistīšanu iekšēji, vai šīs funkcijas bija sadalītas starp pakalpojumiem?

127

Rääkige oma kogemusest ML/AI API-de integreerimisel — kas teiega on OpenAI või teiste mudelitega töötanud?

127

Rääkige viimase töökoha teenustest ja tööst — valige paar funktsiooni ja selgitage, kuidas te neid tehnoloogilisest vaatenurgast lahendasite, milliseid mustreid kasutasite, millised raskused tekkisid ning milliseid alternatiivseid lähenemisviise kaalute.

126

Kafka-l on 10 osaga temaatikat. Me lisasime veel ühe koopia tarbijast, kuid jõudlus ei kasvanud. Miks ja mida teha?

122

Kirjeldage skoorimisplatvormi komponendi tehnilist arhitektu, mis suhtleb ML-mudeliga: teenuste ja vastutuse jaotamine, nendevaheline kommunikatsioon ja teie isiklik panus.

120

Rääkige teenuste vahelist suhtlemist REST ja Kafka kaudu — millistel juhtudel kasutasite iga lähenemisviisi?

119

Mis juhtub Kafka sõnumiga pärast selle lugemist tarbija poolt: kas see jätkab salvestamist?

117

Kui palju mudeleid kasutati skoorimisprotsessis? Kas olid mitte-mudelipõhised, empiirilised skoorimisreeglid?

117

Kui käivitate Flask rakenduse `python main.py` abil, ilmub konsoolis hoiatav, et see ei ole tootmiseks. Mida see tähendab, miks see ilmub ja kuidas sellega toime tulla?

117

Kuidas kaks teenust Kafka kaudu suhtlesid: mis toimus sisendis ja väljundis, kuidas taotlus läbis pipeline'i kuni otsus kinnitada või tagasi lükata?

117

Kuidas oli vahemälu kiht üles ehitatud, millised optimeerimisomadused olid teie spetsiifilise juhtumi jaoks rakendatud?

117

Mida soovite praegu endale leida, mis on huvitav ja oluline teie tulevase tööandja valimisel?

115
/4