Hogyan értékelte a támogatási jegyek osztályozási rendszerének készenlétét a telepítéshez?
Machine Learning / AI
F1 és recall mellett milyen metrikákat használtak a osztályozó értékeléséhez?
Volt-e táblázatos modellje a gyártásban?
Mi az a topic a Kafka-ban?
Milyen metrikákat figyelnél meg a modell bevezetése után a productionban: szolgáltatási, adati és modell metrikák?
Írja le Dockerrel kapcsolatos tapasztalatait: hogyan csomagolja és telepíti az ML-szolgáltatást?
Mi az a partíció a Kafka-ban?
Milyen mérőszámokat használnál az ügynököknek szóló lead-elosztó rendszer értékeléséhez?
Meséljen arról, mit tud a keresési, rangsorolási, ajánlási és személyre szabási feladatokról.
Meséljen magáról és ML-mérnökként szerzett tapasztalatáról.
5% zárási arányú leadek, több ország és ügynök van. Hogyan lehet a gépi tanulást használni annak meghatározására, hogy melyik ügynöknek adjunk egy új leadet?
Hogyan normalizáljuk az értéket, hogy egy új ügynök történet nélkül is kapjon leadeket és tudjon értékesíteni?
Hogyan magyaráznád el ezt a döntést az érdekelteknek statisztikai felkészülés nélkül?
Miért javasolja a CatBoost-ot erre a feladatra?
Hogyan értékelné tapasztalatát a táblázatos ML-ben a NLP és LLM-hez képest?
A Agent A 70 potenciális ügyfélből 7-et zárt be, az agent B pedig 3-ból 2-t. Hogyan hasonlítsuk őket igazságosan?
Meséljen egy olyan esetről, amikor a modell offline értékelésnél jól működött, de a gyártásban rosszul teljesített: mi történt és mit tett?
Milyen alapvonalat és végső modellát választana ehhez a feladathoz?
Milyen tapasztalata van a Microsoft Azure-rel kapcsolatban, és képes-e ott megoldást telepíteni?
Hogyan dolgozott olyan osztályokkal, amelyekhez nagyon kevés példát adtak?