Ինչու օգտագործել ցանկեր նախորդ արժեքները պահելու համար։
Machine Learning / AI
Ինչպես է աշխատում պատահական անտառը և ինչպես է այն ուսուցանվում դասակարգման խնդիրում?
Կարո՞ղ է համարվել, որ նոր մոդելը F1-գնահատական 0.81-ով ավելի լավ է, քան 0.8-ով մոդելը և անմիջապես գործարկվել արտադրությունում։
Եթե նոր մոդելի AUC-ն 0.82 է, իսկ հին մոդելում՝ 0.80, արդյոք կարելի է վստահորեն ասել, որ նորը լավն է? Ինչպե՞ս ստուգել վիճական նշանակությունը։
Ի՞նչ է աութոմատիկությունը մի քանի անցումների դեպքում ցանկով։
Ինչպե՞ս չափել բինարային դասակարգման մոդելի որակը: Ի՞նչ մեթրիկներ եք գիտակցում։
Պետք է արդյոք կարգավորել ազատ անդամը (bias, w0)? Ինչու է ընդհանրապես անհրաժեշտ w0-ը?
Ի՞նչ է H(X)-ը դասակարգման համատեքստում, օրինակ՝ էնտրոպիան։
Կարո՞ղ է էժան լուծել մոդուլի օգտագործման խնդիրը գրադիենտային իջեցման մեջ։
Ինչպես են պահվում Precision և Recall դասերի անհավասարակշռության դեպքում: Օրինակ՝ 95 միավոր և 5 զրո, մոդելը միշտ կանխատեսում է 1։
Ինչպես համեմատել տատանվող կետային կոորդինատները՝ հաշվի առնելով float-ի առանձնահատկությունները տարբեր լեզուներում։
Ի՞նչ է re-ranker-ը RAG-ում: Որ մոդելներն են օգտագործում (cross-encoder, bge-reranker):
Ի՞նչ է ROC գծագիրը։
Ինչպե՞ս նկարագրել պատահական անտառի մոդելի ճարտարապետությունը՝ ավելացված գծային մոդելով՝ արտագնա հաշվարկի համար։
Ի՞նչ եք զբաղվում ազատ ժամանակ։
Ի՞նչ է ճյուղավորման չափանիշը ծառերում։