Miért használjunk listákat a korábbi értékek tárolására?
Machine Learning / AI
Hogyan működik egy véletlen erdő, és hogyan tanítják a klasszifikációs feladatban?
Ha az új modell AUC értéke 0,82 a régi 0,80-hoz képest, akkor biztosan kijelenthetjük, hogy az új jobb? Hogyan ellenőrizzük a statisztikai szignifikanciát?
Számítható-e az új modell, F1-pontszámmal 0,81, jobbnak, mint a 0,8-as modell, és azonnal be lehet indítani a gyártásba?
Mi az összefüggő komplexitás több áthaladás esetén a listán?
Szükséges-e a szabad tag (bias, w0) regularizálása? Miért van egyáltalán szükség w0-ra?
Hogyan mérjük egy bináris osztályozási modell minőségét? Milyen metrikákat ismer?
Mi az H(X) a klasszifikáció kontextusában, például entrópia?
Hogyan hasonlítsuk össze a lebegőpontos koordinátákat figyelembe véve a float sajátosságait különböző nyelveken?
Olcsón meg lehet oldani a modul használatával kapcsolatos problémát a gradiens csökkenésében?
Hogyan viselkednek a Precision és Recall az osztályok kiegyensúlyozatlansága esetén? Példa: 95 egység és 5 nulla, a modell mindig 1-et jósol.
Mi az a ROC-görbe?
Mi az a re-ranker a RAG-ben? Milyen modelleket használnak (cross-encoder, bge-reranker)?
Mi a szétágazási kritérium a fákban?
Mivel foglalkozol szabadidődben?
Hogyan írjuk le a véletlen erdő modelljének architektúráját egy hozzáadott lineáris modellel az extrapolációhoz?
Mi az a Unigram nyelvi modell a tokenizációban (például SentencePiece)?