Machine Learning / AI

Nem bánod, ha megpróbálsz egy állásinterjút az MI-vel?

Mekkora az Ön számára a minimális és kényelmes jövedelmi szint rubelben?

Milyen felsőfokú végzettséged van és milyen szakon tanultál?

Vannak kérdései az együttműködés feltételeiről?

Miért fontolgat most egy új ajánlatot?

Hogyan vizualizálná a témakör értékelésekben lévő kiugró értékeket, hogy megértse, mennyire befolyásolják az összképet?

Hogyan használja pontosan a BatchNorm a mentett statisztikákat az `eval()` módban, és miért fontos ez az eredmények stabilitásához?

Egy nap a két LLM-verzió összehasonlítása előtt kiderült, hogy a kísérlet kódja a branch-ben van, de az adatok pontos verziója és a LoRA paraméterei nincsenek rögzítve. Mit választanál első inkrementként a következő két napra, és miben lennél tudatosan hajlandó feláldozni?

Hogyan értékeli magát?

Gyakorlati feladat A PyTorch-ban végzett LLM ellenőrzés két futtatás során különböző eredményeket ad. Melyik megoldás érettebb? - Aktiváld az eval()-t és hasonlítsd össze újra az eredményeket. - Növeld a tesztkészlet méretét. - Ismételd meg a futtatást és válaszd ki a legjobb eredményt. - Válts TensorFlow-ra anélkül, hogy az okot elemeznéd. - Fixáld a seed-et és tekintsd megoldottnak a problémát. - Ellenőrizd az eval(), no_grad(), seed, DataLoader és determinisztikus CUDA műveleteket.

Mondjon egy példát arra, hogyan azonosította és oldotta meg az összeférhetetlen példák problémáját egy valódi projektben.

Kész vagy megfontolni részmunkaidős projekteket és kombinációkat?

Mesélje el, hogyan tetszett az interjú formátuma: mi tetszett és mit szeretne javítani?

Gyakorlati feladat A mesterséges intelligencia generált egy kódot az új LLM kiadásáról szóló döntéshez. Végezzen áttekintést: módosítsa úgy, hogy a szerkesztő össze tudja hasonlítani a verziók minőségét tematikus szegmensek szerint, lássa az értékelések szórását, és észrevegye a kis adathalmazon való romlás kockázatát. import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') summary = scores.groupby('model_version')['score'].mean() plt.bar(summary.index, summary.values) plt.title('Modellek minősége') plt.ylabel('Átlagos értékelés') plt.show() print('Legjobb verzió:', summary.idxmax())

Gyakorlati feladat A mesterséges intelligencia generált egy kódot az új LLM kiadásáról szóló döntéshez. Végezze el az átnézést: módosítsa úgy, hogy a szerkesztő össze tudja hasonlítani a verziók minőségét tematikus szegmensek szerint, lássa az értékelések szóródását, és észrevegye a kockázatot, hogy rosszabbodás történik kis adathalmazon. import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') summary = scores.groupby('model_version')['score'].mean() plt.bar(summary.index, summary.values) plt.title('Modellek minősége') plt.ylabel('Átlagos értékelés') plt.show() print('Legjobb verzió:', summary.idxmax()) --- import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') stats = ( scores.groupby(["topic", "model_version"])["score"] .agg(["mean", "std", "count"]) .reset_index() ) print(stats) for topic, group in scores.groupby("topic"): group.boxplot(column="score", by="model_version") plt.title(f"Téma: {topic}") plt.suptitle("") plt.ylabel("Értékelés") plt.show() small_groups = stats[stats["count"] < 30] print("Kis csoportok - az eredmények nem megbízhatóak:") print(small_groups)

Milyen kívánságai vagy korlátozásai vannak a projektekkel és témakörökkel kapcsolatban?

Hogyan biztosítja a kísérleti eredmények eredetét, hogy pontosan megértse, honnan származnak a metrikák?

Mikor lesz kész a projekt elindítására?

Vannak jelenlegi állásinterjúk nagy tech cégeknél, például Yandex vagy Alfa?

Gyakorlati feladat Az új LLM átlagos értéke nőtt, de a szerkesztők panaszkodnak a pénzügyi válaszokra. Melyik diagram támogatja legjobban a kiadási döntést? Egy fő mutató az átlagos értékről. Oszlopok az összes téma átlagértékével. Kutak kutyákkal témák és modellverziók szerint. Átlagérték táblázat témák szerint. Szófelhő az új válaszokból. Eloszlások értékelésekről verziók és témák szerint, minden csoport méretével.