Hogyan hasonlíthatjuk össze a felhasználó oldalán megjelenő posztert azokkal, amelyeket nem látott (részleges visszacsatolás)?
Senior
150
Machine Learning / AI
3608
0
(Miután tisztáztuk az interjúztatónál) Hogyan fogalmazzuk meg most a feladatot és a megközelítést, figyelembe véve, hogy az item-ajánlások már léteznek, és a blokkokat a főoldalon anélkül kell elhelyezni, hogy tartalmat duplikáljunk?
Senior
150
Mit pontosan a disperszió az IPS-értékelésben?
Senior
149
Készíts röviden egy ötletet arról, hogyan csomagolhatod újra a RAG-élményt ajánlórendszerekhez, majd tipikus kérdéseket. Csak röviden, nem arra, hogyan kell válaszolni, hanem hogy mi a lényege a tapasztalatom és az önéletrajzom alapján.
Senior
148
Írj egy rövid önbemutatkozó bekezdést, amelyben kiemeled, hogy az ajánlórendszerek nagyon hasonlítanak a RAG-hoz - retrieval, re-ranking, architekturális hasonlóságok stb., hogy emlékezzek rá és el tudjam mondani.
Senior
148
Hogyan működik a kontrasztveszteség in-batch negatívokkal?
Senior
148
Hogyan történik az FAISS index inkrementális frissítése a termelésben?
Senior
146
Mi az az item? Hogyan kell helyesen kiejteni?
Senior
146
Értékeld, mennyi adat szükséges a modell további tanításához a gyártásban, írd le a finomhangolási folyamatot, a paramétereket, a veszteségfüggvényt (contrastive/triplet) és miért pont ezt választottad.
Senior
145
# Fogalmazza meg és írja le, hogy mi az a roc auc. # Hogyan számítják ki a roc_auc_score értékét? # Írjon egy függvényt, amely a leírt definíció szerint számítja ki a roc_auc_score-t. # És tetszőleges számú osztály esetén, adott prioritási sorrenddel? # A modell a következőképpen működik # y_score[i] >= küszöbérték -> y_pred[i] = 1 # y_score[i] < küszöbérték -> y_pred[i] = 0 def test_roc_aur_score(): y_true = [0, 0, 0, 1, 0, 0] y_score = [0.2, 0.4, 0.31, 0.6, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0.8 y_true = [0, 1, 0, 0, 0, 1] y_score = [0.7, 0.6, 0.31, 0.31, 0.3, 0.2] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0.375 y_true = [0, 0, 0, 1, 0, 0] y_score = [0.2, 0.4, 0.31, 0.8, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 1 y_true = [0, 0, 0, 0, 0, 0] y_score = [0.2, 0.4, 0.31, 0.8, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0 # Többszintű tesztek y_true = [0, 1, 0, 0.5, 0, 1] y_score = [0.7, 0.6, 0.31, 0.31, 0.3, 0.2] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0. y_true = [0, 0.1, 0.2, 0.3, 0.4, 0.6] y_score = [0, 0.1, 0.2, 0.3, 0.4, 0.6] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 1
Senior
145
Mit tegyünk, ha egy blokk különböző mennyiségű tartalommal rendelkezik — vannak egyszemélyes blokkok, és blokkok 30 elemmel? Hogyan dolgozzunk a tartalom pontszámaival, hogy funkciót kapjunk ebből a blokkból?
Senior
145
Jól értettem: van egy trackerünk, amelynek átlagos pontszáma van a tartalom tracker-től a blokk kitöltéséhez, vannak felhasználói és blokk jellemzők, pozitívat vettünk — pontosan mit?
Senior
145
Kérem, mesélje el pontosan, hogy milyen projekt volt és pontosan mivel foglalkozott.
Senior
144
Mesélj a tapasztalataidról, mivel foglalkoztál az elmúlt öt évben?
Senior
144
Ha korlátlan számú GPU-t kapnál a rendszer minőségének javítására, mely irányt választanád elsőként?
Senior
143
Mi az a DSSM, tudod?
Senior
143
Miért fejlesztették két évig a projektet, ha azt mondod, hogy a fő részt már két évvel ezelőtt elkészítették? Most támogatás alatt áll a projekt, vagy továbbfejlesztették?
Senior
143
Miért fog akkor a ranker tanulni? Vagyis, független lesz a tartalomtól — mi a célja?
Senior
142
Milyen munkafolyamatot fontolgat és melyik városban él?
Senior
142
# adott egy a = [1, 20, 10, 0, 59, 63, 0, 88, 0] tömb -> [0, 0, 0, 1, 20, 10, 59, 63, 88] # írjunk egy optimális függvényt, amely a nullákat a tömb elejére helyezi, és megőrzi a többi elem sorrendjét def move_zeros_to_left(a: List[int]) -> List[int]: pass
Senior
141