Mi a különbség az U-Net és az FPN megközelítések között a szegmentálásban?
Machine Learning / AI
Számítógépes látásban specializálódsz, vagy készen állsz más területeken, például NLP-ben dolgozni?
Milyen módszerek léteznek a modell méretének csökkentésére a minőség megtartásával?
Milyen szövegfeldolgozási módszerek léteznek NLP-ben, az egyszerűektől a modern neurális hálózatokig?
Mi az a szöveg normalizálás (NFC, NFKC), és miért fontos ezt elvégezni a tokenizálás előtt?
Mi az az RNN-T (transducer), és mi az előnye a streaminghez?
Milyen buktatók vannak az strukturálatlan szövegből készült KG építésénél?
Mi az a receptív mező?
Milyen esetekben érdemes kétlépcsős detektort alkalmazni a gyártásban?
Mi történik, ha nem hívod meg a model.eval()-t az érvényesítési szakaszban?
Mi az a FastAPI?
Mi az a CLIP architektúra?
Mi a különbség a GET kérés és a POST kérés között az HTTP-ben?
Mi segít az U-Net-nek az alacsony szintű jellemzőkben lévő információk megőrzésében?
Mi a probléma a CLIP további finomhangolásával?
Mi az a modellekre alapozott RL, és milyen előnyei vannak a model nélkülihez képest?
Mi a replikáció a ClickHouse-ban?
Mi az a ViT (Vision Transformer) architektúra?
Miért kell a shuffle paraméternek lennie az edzőadatbetöltőben, ha több epochon keresztül tanítunk?