Machine Learning / AI

Pourquoi as-tu quitté (tu quittes) [entreprise] ?

Comment avez-vous déterminé la valeur spécifique du seuil de confiance?

Travaillez-vous maintenant ou pas?

Tout est-il clair pour toi concernant le produit (plans médias), ou veux-tu préciser quelque chose?

Y a-t-il eu un entraînement supplémentaire du modèle pour cette tâche (pas LLM) ?

Comment résoudrais-tu maintenant (avec tes connaissances actuelles) le problème de classification et de routage des demandes dans un service desk, en utilisant une approche multiniveau : règles → ML → LLM fallback → humain ? Nomme des technologies, modèles et métriques spécifiques.

Étiez-vous le principal en Data Science dans l'équipe [entreprise] ? Quelles approches et technologies venaient de vous, et lesquelles étaient définies par le tech lead ?

Comparez les modèles linéaires et non linéaires en ML classique : avantages et inconvénients.

Quels types de tokenisation connaissez-vous ? Avantages et inconvénients de chacun.

Parlez-moi en deux mots de l'équipe dans laquelle vous avez travaillé chez [entreprise].

Parle-moi de la régularisation : qu'est-ce que c'est, à quoi ça sert, quels sont les types.

Était-ce sous forme de test/pilote ou est-ce allé directement en production et utilisé par les gestionnaires?

À quoi ressemblait le produit chez [entreprise] du point de vue de l'utilisateur (gestion documentaire, extraction de données de KS-2/KS-3/estimation) ?

Qu'est-ce qu'un gradient du point de vue mathématique et comment est-il utilisé en apprentissage automatique?

Parle-moi d'un projet avec du ML classique (pas LLM) dont tu es fier.

Parlez-moi de vous, de votre expérience et de vos projets clés (notamment du système GPT d'entreprise chez [entreprise]).

Comment avez-vous compris si le modèle a correctement classé les données ? Quelles actions étaient requises de la part du gestionnaire ?

Comment avez-vous mesuré la qualité de l'extraction des données?