Machine Learning / AI
Ի՞նչ դիրքեր եք դիտարկում և ի՞նչ խնդիրներ են ձեզ համար առավել հետաքրքիր:
Ի՞նչ է տվյալների ծավալը տվյալների բազայում և կլիքստրիմում:
Ի՞նչ է Python-ում Global Interpreter Lock (GIL)-ը։
Ինչու են անհրաժեշտ սենսորները Airflow-ում?
Կատարվել է dropout՝ հիմնված կորուստի կամ պատահական քաշերի հեռացման վրա:
Ի՞նչ է սլոտների լրացումը և ինչպես է ձևակերպվում առաջադրանքը։
Ի՞նչ է միջին դաշտի մոտեցումը։
Ի՞նչ կարող է սխալ լինել մոդելում։
Ի՞նչ է filter bubble-ը և ինչպես է այն հայտնաբերվում։
Անցնե՞լ եք այլ embedding մոդելներ:
Ի՞նչ մոդելավորման մեթոդներ են օգտագործվում բինարային դասակարգման համար:
Ինչպես է աշխատում դափլաութը նյարդային ցանցերում?
Ինչպե՞ս է կառուցված փոխարկիչը և ինչ մեծ բլոկներ ունի:
Ի՞նչ է Prophet-ը և ինչպիսի՞ն են նրա ուժեղ/թույլ կողմերը։
Ի՞նչ հարդ սքիլներ պետք է ունենա համակարգային վերլուծաբանը։
Եվ ինչպես է դա գործելու տեսականորեն բուեստինգում, եթե նպատակն է минус մեկը: Ենթադրենք, որ ունենք դրական և բացասական, եթե դրականին համար նպատակն դնենք 10 փոխարեն 1, ինչ կլինի, ոչինչ չի փոխվի։
Դուք շատ խորանում եք տեխնիկայում, երբ ձեզ խնդրում են պատմել պարզ բաներ: Ինչպե՞ս կբացատրեք դա։
Ինչու՞ բազմաակտորային համակարգում Human-in-the-Loop-ը չի օգտագործվել, միայն ReAct-ում։
Ի՞նչ ռեգուլյարիզացիայի մեթոդներ եք գիտակցում: Ինչպե՞ս է L1-ը տարբերվում L2-ից։
Ի՞նչ է GNN բացատրելիությունը (GNNExplainer):