Machine Learning / AI
Qu'est-ce que la validation de schéma dans le pipeline ML?
Parle-moi des métriques de performance du service ML : latence, RPS, comment cela a été organisé dans ton projet ?
Quelles tâches les GAN résolvent-elles encore mieux que la diffusion (en temps réel, faible latence) ?
Qu'est-ce que la paramétrisation de la prédiction v vs eps?
Comment les variables continues sont-elles traitées dans les arbres de décision?
Quel système d'exploitation et quelle configuration de l'ordinateur local utilisez-vous?
Comment évaluer l'élasticité d'une caractéristique et son influence sur la cible?
Qu'est-ce que l'attention par requête groupée (GQA) et à quoi sert-elle?
Avez-vous de l'expérience avec les séries temporelles ? Quelles métriques sont utilisées pour évaluer la qualité des modèles de prévision des séries temporelles ?
Quels sont les avantages et inconvénients de l'utilisation de la validation croisée?
Quelles positions considérez-vous et quelles tâches vous semblent les plus intéressantes?
Parlez-moi des bases de données vectorielles, lesquelles existent, quelles sont leurs différences, pourquoi avez-vous choisi pgvector?
Qu'est-ce que l'arrêt anticipé dans HPO (ASHA, Hyperband) ?
Quels sont les méthodes de prétraitement des caractéristiques utilisées et quels problèmes rencontrent-elles?
Faut-il régulariser le terme indépendant (biais, w0) ? Pourquoi w0 est-il nécessaire en général ?
Quelle fonction de perte est utilisée en régression linéaire?
Parlez-moi plus en détail du projet Analyse de Cause Racine (RCA) — qu'est-ce que c'est et comment le système a-t-il été mis en œuvre?
Parle-moi de ton expérience du travail à distance — entièrement à distance ou y avait-il des bureaux?
Qu'est-ce que l'ETL ?
As-tu des offres/pré-offres en main maintenant ? À quel point considères-tu activement les propositions ?