Machine Learning / AI

Mondjon egy példát, amikor a BatchNorm helytelen használata az `eval()` módban hibákhoz vezetett a jóslatokban.

Gyakorlati feladat Milyen artefaktumkészlet teszi lehetővé két LoRA futtatásának őszinte összehasonlítását? - Csak a végső minőségi táblázat. - Kód és a végső metrika képernyőképe a commitban. - Kód és a kísérlet konfigurációs fájlja. - Kód, adathash, alapmodell, LoRA konfiguráció, függőségek és indítási parancs. - Csak link a Git ágára. - Kód, LoRA paraméterek, az alapmodell verziója és függőségek.

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

Gyakorlati feladat Az SQL-kérdés 80 millió üzenetre duplikátumokat hoz létre a JOIN után. Melyik lépést érdemes elsőként megkezdeni? - Ellenőrizze a JOIN kardinalitását, a kulcsokat és a végrehajtási tervet az optimalizálás előtt. - Hozzon létre indexet egy összekapcsolási mezőn. - Exportálja az eredményt CSV-be, és távolítsa el a duplikátumokat Pythonban. - Mindig adjon hozzá DISTINCT-et az összes oszlophoz. - Adja hozzá a DISTINCT-et az eredmény ellenőrzése után mintán. - Ellenőrizze az összekapcsolási kulcsokat és mindkét tábla egyedülállóságát.

Az új modell verziója után átlagosan nőtt a minőség értékelése, de a szerkesztők szerint a jogi és pénzügyi témákban adott válaszok jelentősen rosszabbodtak. Melyik vizualizációt készítenéd először, hogy eldöntsd, megállítsd-e a kiadást?

Hogyan szokta kezelni az adatok és modellek verzióit ilyen kísérletekben?

Továbbra is a Fülöp-szigeteken szeretne maradni, vagy más országba költözne?

Tudna részletesebben mesélni arról, hogy pontosan mi tűnt "nyomasztónak" a kérdésekben, és ez hogyan befolyásolta az interjúhoz való hozzáállását?

Van tapasztalata teljesen angol nyelvű csapatokban való munkában?

Van tapasztalata AI-val készített interjúkról?

Van ajánlata a kezében vagy végső szakaszban más cégeknél?

Hogyan értékelné kvantitatívan a kibocsátások hatását a modell metrikáira, például az accuracy vagy F1-score-ra?

Hogyan optimalizálná az összekapcsolási kulcsok indexeit a duplikátumok csökkentése és a lekérdezés gyorsítása érdekében?

Képzeld el, hogy egy PyTorch modelllel dolgozol, és miután eval() módba állítottad, azt látod, hogy a 10 000 példát tartalmazó fix tesztkészleten mért metrikák minden futásnál változnak. A reprodukálhatóság érdekében fixálod a véletlenszám-generátorok kezdeti állapotát: hol lehet még a változások forrása rejtve? Magyarázd el a Dropout, BatchNorm és torch.no_grad() szerepét, és nevezd meg azokat a metrikákat, amelyekkel a eredmények stabilitását ellenőrzöd majd a küszöbértékekkel.

Értékelje angol tudását külön az olvasás/írás és a beszéd terén a CEFR szintek szerint.

Gyakorlati feladat Az AI javasolja, hogy a LoRA-t minden 2 millió nem tisztított párbeszéden tanítsuk. Melyik a legérettebb válasz a jelölt részéről? - Bízzunk az AI-ban: egy nagy korpusz kiegyenlíti a hibákat. - Először változtassuk meg a promptot anélkül, hogy az adatokat módosítanánk. - Tanítsuk a LoRA-t a tisztított részen, és hasonlítsuk össze az alapmodellel. - Ellenőrizzünk egy véletlenszerű mintát a címkézésből az edzés előtt. - Először ellenőrizzük az adatokat és a minőséget témák szerint egy külön készleten, majd korlátozottan tanítsuk a LoRA-t. - Tanítsuk az egész korpuszon, de csökkentsük a LoRA rangját.

Hogyan használnád pontosan az `EXPLAIN`-t a teljesítmény problémák felismerésére ebben a lekérdezésben?

Milyen formátumú formalizálás a legkényelmesebb az Ön számára: GPH, IP vagy TК?

A kérdések generálásához a nagy nyelvi modell nehezen tartja meg a stílust ritka témákban. Az AI-asszisztens az egész történelmi korpusz 2 millió dialógusán azonnal elindítaná a LoRA-t, de a jelölés részben zajos. Milyen esetekben nem bízik ebben a tanácsban, és mit választana elsőként?

A párbeszédek táblájában 80 millió üzenet van, és az értékelő készlethez tartozó analitikus lekérdezés 25 percet vesz igénybe, és néha duplikált kérdés-válasz párokat ad vissza. Mit javítanál először és miért?