Machine Learning / AI
ROC-AUC = 0.9. Mi történik ezzel a mérőszámmal, ha minden modellpredikciót 3-mal megszorzunk?
Milyen módszerek vannak a nehéz adatbázis-kérdések optimalizálására?
Építhető-e RandomForest KNN, lineáris modellek és neurális hálózatok felett? Miért?
Mi az a counterfactual?
Milyen inferencia gyorsításokat érnek el?
Hogyan segíti a modell az üzletet?
Milyen idősort modellező validációs módszerek zárják ki a jövő nézését a tanulás során?
Mi az a target encoding és milyen problémái vannak (overfitting, leakage)?
Mi az a bias-variance trade-off?
Mi az az NVIDIA Nsight Compute, és hogyan kell használni?
Mi az a spekulatív dekódolás, és hogyan gyorsítja a generálást?
Milyen gyakorlatokat alkalmaznak a training-serving funkciók szinkronizálásakor?
Mi az a kontextus hosszúsága, és miért nehéz bővíteni?
Milyen bináris osztályozási metrikákat ismer? Minden egyes előnyei és hátrányai.
Mi az a GIL Pythonban?
Mi az időbeli tudás gráf?
Hogyan valósítsunk meg alacsony késleltetésű voice-agentet (streaming STT + LLM + TTS)?
Milyen problémák merülhetnek fel egydimenziós pozíciós kódolás esetén képekkel való munka során?
Előfordul-e modelloválás dropout alkalmazásával történő tanítás és nélküle történő inferencia során?
Hogyan kódoljuk helyesen a ciklikus jellemzőket?