Ինչպե՞ս հասկանալ, որ մոդելը թերամուտքագրված է կամ ավելորդ ուսուցում է ստացել։
Machine Learning / AI
Ի՞նչ է MRR-ը և որտեղ է այն կիրառվում։
Ի՞նչ է p-արժեքը։
Ի՞նչ է CUTLASS-ը։
Ի՞նչ է DoRA-ն և ինչպե՞ս է այն տարբերվում LoRA-ից։
Ի՞նչ տեսակների հիպոթեզներ կան հիպոթեզների ստուգման ժամանակ։
Ի՞նչ է գծային ռեգրեսիան։
Ի՞նչ է ShuffleNet և ինչու է այնտեղ channel shuffle:
Ի՞նչ է գծային և լոգիստիկ ռեգրեսիայի տարբերությունը։
Ի՞նչ է ժամանակային շարքերի համար առանձնահատկությունների ինժեներությունը (lags, շարժական վիճակագրություն, ամսաթիվի հատկություններ)։
Ինչպե՞ս հաշվարկել հիվանդության հավանականությունը դրական թեստի դեպքում՝ հաշվի առնելով զգայունությունը և հատուկությունը։
Ինչպե՞ս ստուգել նոր ֆունկցիաների և гипոթեզների որակը ռիսկային մոդելներում և ինչ մեթոդներ օգտագործել:
Ի՞նչ է փորձարկման ժամանակի ընդլայնումը (TTA):
Ինչպես մշակել գործիքի զանգի սխալները գործակալում (կրկնություն, fallback)?
Ինչ է FlashAttention-ը kernel ծրագրավորման տեսանկյունից։
Ի՞նչ է Tversky կորուստը։
Ի՞նչ տեսակների կանոնավորեցումներ կան և ինչպես են նրանք աշխատում:
Ի՞նչ բաշխումներ կան և որտեղ են կիրառվում:
Ի՞նչ նվազեցման ալգորիթմներ կան։