Machine Learning / AI
Y a-t-il un mécanisme dans Kubernetes pour vérifier l'état du pod avant de l'inclure dans la charge?
Connais-tu quelque chose sur les types de données modifiables et immuables, et à quels données ils se rapportent?
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()
Parlez-moi de la Normalisation par lot : qu'est-ce que c'est et pourquoi est-ce nécessaire ?
Y a-t-il des questions concernant les conditions de travail (format, présentation, salaire) ?
Quelles sont les caractéristiques du classement des produits en e-commerce (CTR, conversion, revenus) ?
Quelles métriques d'évaluation immobilière avez-vous obtenues et comment en avez-vous tiré profit?
Si le chunk nécessaire est en 10ème position sur 10, et que le contexte ne peut en contenir que 3 — comment l’évaluer et comment le faire remonter dans le top 3 ?
Comparons DAU, RPS et QPS : si nous avons 10 millions de DAU et que chaque utilisateur se connecte 4 fois par jour, quel sera le RPS et le QPS ?
Quand es-tu arrivé chez 1C:Rarus ? As-tu eu un mentor ou un tuteur qui t'a aidé à t'immerger dans les tâches ?
Comment vérifier que LLM-as-a-Judge évalue correctement la qualité et comment la calibrer?
Il y a une hypothèse selon laquelle le sexe du directeur général de l'entreprise influence la taille du taux de départ des clients importants. Il faut trouver un tableau avec des données. Comment chercherais-tu ces données?
Quelle était la taille finale de l'échantillon et combien de caractéristiques initiales et sélectionnées y avait-il dans le projet?
Racontez comment fonctionne généralement le pipeline RAG : quelles étapes comprend-il ?
Comment les données ont-elles été organisées pour la synthèse des dialogues et comment s'est déroulé l'apprentissage?
Quel est ton statut actuel de recherche d'emploi — as-tu des offres finales, à quelles étapes en es-tu?
Comment te sens-tu par rapport aux tâches frontend si elles arrivent?
Pourquoi avoir choisi Qdrant comme stockage vectoriel?
Comment constituer une répartition train/val/test et un benchmark ? Comment diviser correctement les données ?
Problème de régression : prédire le prix des actions pour la 5ème année en utilisant les données des 4 années précédentes avec le boosting. Quelle erreur avons-nous commise ?