Machine Learning / AI
Mi az a Sentence Embeddings és miben különböznek a word embeddings-től?
Hogyan épül fel a RAG architektúra?
Mi az a Bayes-i optimalizálás és az akvizíciós függvények (EI, UCB, PI)?
Milyen dimenziócsökkentő algoritmusok léteznek?
Emellett valószínűleg a lejátszó minőségét online kellene értékelni: ha egy felhasználó elkezdte nézni, mennyit nézett?
Számítsa ki annak a valószínűségét, hogy hatszor dobva egy hatoldalú kockát, minden eredmény egyedi legyen.
Írjon egy függvényt, amely visszaadja a karaktert a legtöbb egymást követő ismétléssel egy sztringben.
Milyen típusú konvolúciókat ismersz (standard, depthwise, separable, dilated, transposed, grouped)? Ötletek, előnyök és hátrányok mindegyikről.
Mi volt a legnehezebb feladat végrehajtani és miért?
Mi az exploration-exploitation kompromisszum az RL-ben?
Mi az a túlillesztés? Milyen módszerekkel lehet ellene küzdeni?
Hogyan működik a valószínűségek normál eloszlása bináris osztályozás esetén?
Milyen problémák vannak a gyakorlatban az RLHF-nél (reward hacking, mode collapse)?
Mi az mintaválasztási torzítás az exp-platformon?
Mi az a PPO és miért kényelmesebb a TRPO-hoz képest a gyakorlatban?
Hogyan válasszunk szimbólumot, ha több maximális egymást követő szimbólum van?
Miért nem lehet csak a gradient boosting kimeneteiből tanulni?
Mi a matematikai ötlet a diffúziós modellek mögött? Mi az a forward és reverse folyamat?
Mi az a LayoutLM és a verziói (v1, v2, v3)?
Mi az a FlashAttention a kernel-programozás szempontjából?