Machine Learning / AI
Եկեք համեմատենք DAU, RPS և QPS-ը. եթե ունենք 10 միլիոն DAU և յուրաքանչյուր օգտվող մուտք է գործում 4 անգամ օրական, ինչ կլինի RPS և QPS-ը?
Ի՞նչ անել, եթե չունեք հաստատման հավաքածու: Ինչպե՞ս վավերացնել մոդելը։
Ի՞նչ է դիֆերենցյալը։
Որ նախագիծն է քեզ ամենաշատ հետաքրքրում և ուզում ես դրա մասին խոսել?
Ընտրեք մեքենայական ուսուցման ալգորիթմը դասակարգման առաջադրանքի համար, որի վրա վստահ եք։
Ի՞նչ տարբերություն կա detach և clone-ի միջև PyTorch-ում։
Ի՞նչ է խիտ վեկտորը (dense embedding): Ինչպե՞ս է ստացվում: Ի՞նչ չափի է:
Նույնիսկ չեմ հասկանում, թե ինչու չենք կարող ամեն ինչ առցանց անել — ինչ սահմանափակումներ կան այստեղ իրականում? Ինչու է անհրաժեշտ նախահաշիվը?
Որտե՞ղ եք օգտագործել CI/CD-ը։
Ինչպես դա տեխնիկապես անել — որ կլիկը պետք է դասավորվի վերևում սքիպից և նմաններից?
Ինչպես կազմակերպվեց LLM (DeepSeek R1 33B) ինֆերանսը։ Քանի GPU, ինչպես պառալելիզացվեց։
Պատմեք, թե ինչպես է ընդհանուր առմամբ կառուցված RAG պայպլայնը՝ ինչ փուլեր է ներառում:
Ի՞նչ է DistilBERT-ը: Որո՞նք են որակի կորուստներն ու արագության շահույթը։
Ինչու հիմա ավելի հաճախ օգտագործվում է PyTorch-ի փոխարեն TensorFlow-ը?
Ի՞նչ մեթոդներ կան տվյալների դիֆթը հայտնաբերելու համար pipeline-ում։
Պատմեք ավտոմատացման որևէ փորձի մասին, որը դուք կատարել եք։
Ի՞նչ է վտանգի ֆունկցիան։
Որքան տվյալների ծավալով են աշխատել OCR և PDF փաստաթղթերից էքստրակցիայի առաջադրանքներում;
Դա փորձարկման/փորձանմուշի տեսքով էր, թե անմիջապես անցավ արտադրությանը և օգտագործում էին մենեջերները?
Դու ասել էիր, որ գործիքները միայն կարդալու են — արդյոք համակարգում գրանցում չի եղել?