Ի՞նչ առանձնահատկություններ ունի ակտիվ ուսուցումը CV-ում։
Machine Learning / AI
Ինտերնետային առաջարկների գնահատման առանձնահատկությունները ինչ են (CTR, փոխարկում)?
Ինչպե՞ս կարող է հաճախորդը հասկանալ, որ հատկանիշը նշանակալից չէ՝ առանց օգտագործելու հատկանիշների կարևորությունը սեւ տուփի մոդելում։
Ի՞նչ է հարևանության հավաքագրումը և որ ֆունկցիաներ են օգտագործվում (միջին, գումար, max, LSTM):
Ինչպե՞ս է օգնում dropout-ը խուսափել ավելորդ ուսուցումից նեյրոնային ցանցերում։
Որն է ավելի արագ, բառարանի կամ ցանկի մեջ որոնելը, և ինչու?
Ի՞նչ ռեգուլյարիզացիայի մեթոդներ կան ոչ գծային մոդելների համար։
Կարո՞ղ է ապահովել, որ գծային ռեգրեսիան կանխատեսում է արժեքներ տրված տիրույթում ցանկացած մուտքային տվյալների համար:
Ի՞նչ ռեգուլյարիզացիայի մեթոդներ են կիրառելի նեյրոնային ցանցերին:
Որոնք են OCR արտադրական խնդիրները (նվազ ռեզոլյուցիա, շեղումներ, ստվերներ)?
Ի՞նչն է տարբերությունը գծային ռեգրեսիայի և այլ մեթոդների միջև կատեգորիական նշանների հետ աշխատելիս։
Ի՞նչ է բազմազանությունը և Մաքսիմալ Մարգինալ Հետաքրքրությունը (MMR):
Ի՞նչ է ասիմպտոտիկ բարդությունը O-մեծ և Omega-մեծ։
Ի՞նչ է A/B թեստավորումը ML մոդելների համար և որոնք են կարևոր բիզնես մետրիկաները։
Ինչ է հարցման գրանցման մայնինգը և ինչ նշաններ են նրանք հանում?
Ի՞նչ են Tensor Cores-ը և որ գործողությունները արագացնում են:
Անհրաժեշտ է արդյոք սանդղակել հատկանիշները գծային ռեգրեսիայի և այլ մոդելների համար?
Ելմո embedding-ները ինչպե՞ս են տարբերվում BERT-ից։
Ի՞նչ է SentencePiece-ը և ինչու է այն անհրաժեշտ բացահայտ բաժանարարներ չունեցող լեզուների համար։
Ի՞նչն է տարբերությունը հրահանգային մոդելների prompting-ի և հիմնական LM-ների միջև։