Ինչպես նախագծել համակարգը օգնականի առաջադրանքի համար?
Machine Learning / AI
Եթե ժամանակաշարերի կանխատեսման առաջադրանքում նպատակային մասում զրոներ կամ ցածր արժեքներ են հանդիպում, որո՞նք են լավագույն որակի չափանիշները՝ MAPE, SMAPE կամ WAPE։
Երբ է Spark-ը իրական հաշվարկների իրականացմանը սկսում տվյալների վրա?
Ի՞նչ է փոփոխությունների հայտնաբերում նկարների միջև։
AutoML-ի մեծ տվյալների սահմանափակումները ինչ են?
Ի՞նչ է NeRF-ը և ինչպես է ներկայացնում 3D սցենարները։
Նշեք մեկ առավելություն և մեկ թերություն CatBoost-ի մասին LightGBM-ի համեմատ։
Ինչպե՞ս գնահատել մոդելի որակը բիզնես մետրիկների և օգտվողների կարծիքների միջոցով։
Ի՞նչ տարբերություն կա բաց դոմեյն և առաջադրանք-կողմնորոշված զրույցների միջև։
Ինչպե՞ս հաշվի առնել իրավիճակը, երբ զվարճալի պատասխանն ունի շատ լայքեր, բայց ճիշտ չէ։
Ինչպես օգտագործել հարցերի և պատասխանների բազան՝ օգտակար օգնական ստեղծելու համար։
Որ տվյալների պահպանումը տարբերակները հարմար են հարցերի և պատասխանների բազայի համար:
Կարո՞ղ է գրաֆիկային բուեստինգը ծառերով արտացոլել ուսուցման հավաքածուից դուրս, եթե հատկություններում միայն նպատակակետի ուշացումները կան։
Ասացեք ինձ ավելի մանրամասն NLP առաջադրանքների մասին, որոնք կատարել եք։
Ի՞նչ է PCA-կենտրոնացված անոմալիան և ինչ տեսակի անկյուն ունի ենթահողամասի հետ։
Ի՞նչ է OPQ և ինչու է այն ավելի լավ, քան PQ?
Կա՞ք ժամանակային շարքերի և PySpark-ի փորձ:
Ի՞նչ է SAM (Segment Anything) և ինչ ռեժիմներ ունի այն (նկատ, տուփ, տեքստ):
Ի՞նչ են AutoAugment-ը և RandAugment-ը։