Machine Learning / AI
Ի՞նչ է քաղաքականության գրաֆիկը և ինչ է ասում քաղաքականության գրաֆիկի տեսությունը։
Ի՞նչ է Bayesian A/B թեստավորումը։
Ի՞նչ են CUDA հոսքերը և ասինխրոն կատարումը։
Ի՞նչ մեծ մասերից է բաղկացած գործակալը։
Ի՞նչ է մոնոկուլյար խորության գնահատումը և որոնք են մոդելները (MiDaS, Depth Anything):
Ի՞նչ են հիմնական մոտեցումները և տրանսֆորմատորների ճարտարապետությունները։
Ինչու է MAE-ն ավելի քիչ զգայուն արտակարգ արժեքների նկատմամբ, քան MSE-ն:
Ինչու՞ ինդեքսները դանդաղեցնում են տվյալների մուտքագրման և թարմացման գործընթացը։
Ի՞նչ է հակապատկերային ուսուցումը դասակարգման համար։
Ի՞նչ է replay-buffer-ը շարունակական ուսուցման մեջ։
Խոսեք գրադիենտային իջեցման մասին՝ ինչպես է աշխատում և ինչ փոփոխություններ ունի (SGD, Momentum, Adam):
Ի՞նչ մոդել է օգտագործվել ReAct-գործակալի ծածկույթի տակ և ինչու հենց այդ մոդելը ընտրեցիք։
Ի՞նչ չափանիշներ կօգտագործեիք գործակալներին առաջադրելու համակարգը գնահատելու համար։
Դու ինքներդ արեցիր դա՞ (RAG, LoRA, աշխատել նեյրոնային ցանցերով) թե՞ օգնել էիր ինչ-որ մեկին։
Ի՞նչ էր ձեր դերը նախագծում։
Ի՞նչ է RLHF-ը։ Նկարագրեք ուսուցման երեք փուլերը։
Ինչու է Layer Norm-ը օգտագործվում տրանսֆորմատորում, ոչ թե Batch Norm-ը։
Ի՞նչ են meta-առանձնահատկությունները warm-start AutoML-ի համար։
Ինչով ստացան առավելություն տրանսֆորմատորները?
ԻՆչ մեթոդներ կան NLP-ում?