Machine Learning / AI
Qu'est-ce que le sMAPE et quels sont ses problèmes?
Qu'est-ce que les covariables variables dans le temps ?
Y a-t-il des questions organisationnelles ou techniques?
Comment préparer un ensemble de données de préférences pour DPO?
Comment utilisez-vous la courbe ROC pour évaluer la qualité du modèle?
Dans quelles couches as-tu inséré LoRA et qu'est-ce que q_proj?
Qu'est-ce que l'explicabilité de GNN (GNNExplainer) ?
import unittest class Solution: def isvalid(self, s:str) -> bool: matching_brackets = { ")": "(", "]": "[", "}": "{", } stack: list[str] = [] for bracket in s: if bracket in "([{": stack.append(bracket) continue if bracket not in matching_brackets: return False if not stack or stack[-1] != matching_brackets[bracket]: return False stack.pop() return not stack class SolutionTest: def __init__(self): self.Solution = Solution() def run(self): test_cases = [ ("", True), ("()", True), ("(){}[]", True), ("(({}))", True), ("(", False), (")", False), ("(((", False), ("{[]}", False), ] for brackets, expected in test_cases: actual = self.Solution.isvalid(brackets) assert actual == expected, ( f"Erreur pour {brackets!r}" f"On voulait obtenir {expected}, mais on a obtenu {actual}" ) print(f"Tous les tests ont réussi : {len(test_cases)}") if __name__ == "__main__": SolutionTest().run()
Comment passer du POC à la production si vous êtes le seul ingénieur ML et que les données sont déjà dans la base ?
Qu'est-ce que la méthode du maximum de vraisemblance?
Pourquoi mettre à l'échelle les caractéristiques et quels sont les méthodes d'échelle existantes?
Comment fonctionnent les arbres de décision?
Si l'exécution a modifié l'état, mais que le LLM ne le voit pas, comment l'état et les métadonnées sont-ils mis à jour techniquement?
Comment évalues-tu ton niveau de travail avec SQL?
Dans quelle langue est-il préférable de réaliser l'apprentissage du modèle?
Où et quoi stocker pour assurer la résilience aux défaillances dans la tâche de redirection automatique des appels?
Écrivez un programme en Python : créer une matrice 1000x1000, remplir les lignes avec la séquence de Fibonacci, élever au carré les éléments de la diagonale secondaire. Temps : 2 minutes.
Les données seront-elles standardisées et présentées dans un format uniforme avant leur chargement dans le stockage?
Qu'est-ce que ZeRO-Offload et quand est-il justifié?
Qu'est-ce qui agit comme une balance dans le boosting par gradient?