Milyen módszerek vannak nagyon ritka adatokkal való munkához?
Machine Learning / AI
Hogyan értelmezheti az ügyfél, hogy egy jellemző nem jelentős anélkül, hogy a jellemzők fontosságát használná egy fekete doboz modellben?
Mi az a neighborhood aggregation és milyen függvényeket használnak (átlag, összeg, max, LSTM)?
Milyen jellemzői vannak az online ajánlások értékelésének (CTR, konverzió)?
Hogyan segít a dropout elkerülni a túltanulást a neurális hálózatokban?
Melyik gyorsabb, szótárban vagy listában keresni, és miért?
Milyen regularizációs módszerek léteznek nemlineáris modellekhez?
Milyen regularizációs módszerek alkalmazhatók a neurális hálózatokra?
Milyen gyártási problémák vannak az OCR-nél (alacsony felbontás, torzulások, árnyékok)?
Biztosítani lehet, hogy a lineáris regresszió bármilyen bemeneti adatra adott tartományon belüli értékeket jósol?
Mi a különbség a lineáris regresszió és más módszerek között kategóriás jellemzők esetén?
Mi az a diverzitás és a Maximális Marginal Relevance (MMR)?
Mi az az O-nagy és Omega-nagy aszimptotikus komplexitás?
Mi az a query log mining és milyen jeleket nyernek ki?
Mi az A/B tesztelés ML-modellekhez, és melyek a fontos üzleti metrikák?
Mi azok a Tensor Cores és mely műveleteket gyorsítják?
Szükséges-e a jellemzők skálázása lineáris regresszióhoz és más modellekhez?
Miben különböznek az ELMo beágyazások a BERT-től?
Mi az a SentencePiece és miért szükséges az olyan nyelvekhez, amelyekben nincsenek egyértelmű elválasztók?
Mi a különbség az instructív modellek promptingja és az alapvető LM-ek között?