Machine Learning / AI
Milyen feladatokat nem jól old meg az AutoML (kis adatok, nem szabványos domain tudás)?
Hogyan válasszuk ki a backbonokat a klasszifikációhoz?
Hogyan segít az F1-score metrika az egyensúly nélküli osztályokkal végzett feladatokban?
Mi az a kvantálás a gépi tanulásban? Hogyan történik a FP32-ről INT8-ra történő kvantálás — a lebegőpontos számról egész számra?
El tudná magyarázni a k-legközelebbi szomszéd algoritmus működési mechanizmusát?
Mi az OCR-mentes dokumentumértés (Donut, Pix2Struct)?
Mi az a joint intent + slot modell?
100x100 rács vs 10000 véletlen pont — miért jobb a véletlen még 2D-ben is, mint a rács?
Mik az LLM-ek alapvető korlátai a gondolkodásban?
Mi az a Graph Isomorphism Network (GIN)?
Mi az az Apple Neural Engine?
Milyen rangsorolási metrikákat használtak a visszaszerző értékeléséhez?
Mi történik, ha bagging-et alkalmazunk lineáris algoritmusokra?
Mit tegyünk a böngésző jellemzőinek változáseloszlásaival?
Milyen megközelítések vannak az adattárak építéséhez?
Miért szükséges a regularizáció a modellekben?
Mi a hibrid keresés a RAG-ben?
Mi az a mátrixfelbontás a ajánlásokban (SVD, ALS)?
Mi a személyre szabási jelek a rangsorolásban?
Mi az a sim-to-real átviteli és a domain randomization?