Ինչպե՞ս է ստեմմինգը տարբերվում լեմմատիզացիայից: Որ խնդիրներում ինչպե՞ս կիրառել:
Machine Learning / AI
Ինչու՞ BF16-ը ավելի հարմար է մեծ մոդելների ուսուցման ժամանակ, քան FP16-ը։
Ի՞նչ ստուգումներ պետք է կատարել SFT LLM-ի ուսուցման արագությունը ընտրելիս:
Ինչու՞ արդյունաբերական միջավայրում ավելի հաճախ օգտագործվում է գրադիենտ բուեստինգը, քան պատահական անտառը։
Ի՞նչ է մուլտիմոդալ RAG-ը և ինչպես անել պատկերների ինդեքսը։
Ինչ է Delta Lake / Iceberg / Hudi և ինչու է lakehouse?
Ի՞նչ են հանրահայտ AutoML լուծումները (H2O, AutoGluon, FLAML, AutoKeras):
Դու աշխատե՞լ եք Apache Spark-ով:
Ի՞նչ է MCMC-ն և որոնք են մեթոդները (Metropolis-Hastings, Gibbs, HMC):
Ի՞նչ են ժամանակակից միտումները GPU+CPU+TPU խառնված խմբերի ուսուցման մեջ:
Ի՞նչ է bounding box-ը և ինչպիսի՞ ձևաչափեր կան (xyxy, xywh, cxcywh)։
Ի՞նչ է LambdaRank-ը։
Որոնք են պատկերների անոմալիայի հայտնաբերման մեթոդները (PaDiM, PatchCore)?
Ի՞նչ են անկորներ-ազատ դետեկտորները: Խոսեք FCOS-ի մասին։
Ի՞նչ է OWL-ViT-ը։
Ի՞նչ է ROUGE-ը և ինչպե՞ս է տարբեր ROUGE-L-ը ROUGE-N-ից։
Ի՞նչ է boundary loss-ը և ինչու է դա անհրաժեշտ:
Ի՞նչ խնդիրներ ես համարում իդեալական և ինչով ուզում ես զբաղվել:
Ի՞նչ են գիտելիքների գրաֆի embeddings (TransE, RotatE, ComplEx):
Ի՞նչ է async checkpointing-ը և ինչպես է այն աշխատում։