Csak a ML mérnöki pozíciót fontolgatod, vagy a Data Scientist-et is?
Machine Learning / AI
Hogyan hívja az LLM az eszközöket vagy MCP-t, ha van?
Milyen nehézségek merülnek fel a Word2Vec és az NLTK használata során orosz nyelven?
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?
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?
Mi a különbség a GET és POST kérések között?
Általánosságban miben különbözik a ChatGPT egy cégen belüli asszisztenstől (chat-robot vs asszisztens)?
Mesélj a projektjeidről: pontosan mit csináltál, technikai részletekben?
Milyen gradient boosting eszközökkel dolgozott? CatBoost, LightGBM, XGBoost?
Hogyan közelítsük meg egy szó fonémák szerinti igazítását? Hogyan használhatjuk a wav2vec2-t pontos fonémahatárok eléréséhez?
Hogyan kezeljük a kontextus növekedésének problémáját aktív párbeszéd során?
Mikro- és mélytanulás közötti fő különbségek?
Miért ad mindig érvényes JSON-t a strukturált kimenet? Milyen szinten valósul meg ez?
Hány jellemzőt veszel a feature store-ból, és hogyan választod ki őket, ha mind a 5000 jellemző érvényes és leak nélkül van?
Mi inspirál a munkában?
Mi történik, ha 10k token hosszú szekvenciát adunk a dekódernek, miközben a modellt 9k-n tanították?
Hogyan voltak útvonalazva az ügynök között? Adj példát a kapcsolási feltételekre.
Mi történik a modell minőségével, ha eltávolítjuk az első és az utolsó fát a véletlen erdőből és a gradiens boostból?
Mi Aston szerepe a projekt munkafolyamatában?
Sorold felülről az alkalmazotti lemorzsolódás előrejelzési projektjét: üzleti feladat, ML feladat meghatározása, metrikák és adatok.