Machine Learning / AI
Ինչ են սովորաբար հարցնում վերջնական հարցազրույցում?
Ինքնավստահության միջակայքը ինչ է?
Ի՞նչ է համապատասխան առաջարկը։
Ի՞նչ են Precision և Recall-ը։
Ի՞նչ է անհրաժեշտ look-alike առաջադրանքը:
Ի՞նչ դերը թիմում քեզ համար առավել մոտ է՝ ML/AI կամ ինժեներական առաջադրանքներ։
Ի՞նչ է ViT (Vision Transformer) ճարտարապետությունը։
ԻՆ8 քվանտացման և ԻՆ4-ի տարբերությունը ինչ է?
Ի՞նչ է U-Net և FPN մոտեցումների տարբերությունը սեգմենտացիայում։
Ի՞նչ հատկություններ ունեն դասերի փոխադարձ բացառման հատկությունները բազմասեռ դասակարգման մեջ։
Ի՞նչ օպտիմալացումներ կարելի է առաջարկել ստանդարտ LLM-ի ինֆերենցիայի համար, եթե կորպորատիվ GPT-ն դանդաղ է աշխատում։
Ի՞նչ է Monte Carlo Data-ն։
Ինչպե՞ս նվազեցնել KV-կեշի չափը (GQA, MQA, սահող պատուհան):
Որ մետրիկային պետք է առավելագույնի հասցնել կրեդիտային վարկանիշի առաջադրանքում՝ ճշգրիտ կերպով որոշելու համար, թե ում է անհրաժեշտ վարկ տրամադրել:
Ի՞նչ մոտեցումներ կան ձեռագրային տեքստի ճանաչման համար։
Ի՞նչ է ասինխրոնությունը: Ինչպե՞ս է asyncio-ն տարբերվում թելերից:
Ինչու՞ է պատահական անտառի ճշգրտությունը ավելի բարձր, քան մեկ ծառի։
Դու աշխատե՞լ ես ուղիղ PostgreSQL-ի հետ:
Ի՞նչ է constrained decoding (regex, JSON schema):
Ինչպես հաշվարկել լեզվական մոդելի perplexity-ը: Ի՞նչ հատկություններ ունի: