Machine Learning / AI
Milyen jellemzői vannak az AR/VR modellek tanításának és telepítésének?
Mi az a Neural Architecture Search?
Mi azok az időben változó kovariáták?
Vannak szervezeti vagy technikai kérdések?
Mi az a RoseTTAFold?
Mi az a decision transformer, és hogyan alakítja át az RL-t felügyelt tanulássá?
Hogyan készítsünk preferencia adatgyűjteményt a DPO-hoz?
Mi az a spillover hatás és a hálózati hatás?
Mi az a BLIP és kétlépcsős tanulása?
Vannak túlórák a munkahelyen?
Milyen feladatokban segít a CoT, és melyekben rontja a minőséget?
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.
Milyen fairness problémák vannak az ML-ben az orvoslásban?
Mi a referencia nélküli és referencia alapú metrika?
Mi a gradient boosting módszer és hogyan működik?
Miért nem alkalmas a boolean típus a nullák számának ellenőrzésére?
Mik a jellemzők (features), és mi a cél a feladatban?
Mi történik ezután a Transformer blokkban, miután a figyelem kimeneti vektort adott?
Hogyan valósítható meg az automatik híváselutasítás logikája, ha egy felhasználótól több mint 10 hívás érkezik 15 perc alatt?
Mi az a RAG? El tudnád magyarázni?