Machine Learning / AI
Ի՞նչ են guardrail մետրիկաները։
Ինչպես է սեմպլավորվում քայլը t ուսուցման և ինֆերենցիայի ժամանակ Stable Diffusion-ում?
Ի՞նչ եղանակներ կան կատեգորիական նշանների կոդավորության համար։
Ինչ է CUDA և ինչ են հիմնական հասկացությունները (kernel, grid, block, thread)?
Երբ MAB-ը ավելի լավ է, քան A/B-ն, և երբ վատ է?
Ի՞նչ խնդիրներ կարող են առաջանալ Sigmoid ակտիվացման ֆունկցիայի հետ միասին BatchNorm-ով օգտագործելիս։
Գրադիենտային իջեցում, SGD և Mini-Batch SGD: ինչ տարբերություններ ունեն, յուրաքանչյուրի առավելություններն ու թերությունները ինչ են?
Ի՞նչ է դասերի անհավասարակշռությունը և ինչպես պայքարել դրա դեմ։
Ի՞նչ մասերից է բաղկացած Stable Diffusion (SD):
Ի՞նչ ստուգումներ պետք է կատարել SFT LLM-ի ուսուցման արագությունը ընտրելիս:
Ինչու ծառերը ավելի շատ են հակված հագեցածության, համեմատած գծային մոդելների հետ:
Որոնք են սփեցիֆիկ ավելացումները սատելիտային լուսանկարների համար (շրջում, բազմա-չափ)?
Ինչ է word2vec-ը?
Քանի ցիկլ է անհրաժեշտ առանց լամբդա ֆունկցիաների ցանկերը դասավորելու և միացնելու համար?
Ինչու՞ L1 կարգավորումը որոշ քաշեր զրոյացնում է, իսկ L2-ը՝ ոչ։
Կարո՞ղ է լինել RandomForest-ը KNN, գծային մոդելների և նեյրոնային ցանցերի վրա: Ինչու՞։
Ի՞նչ է ցույց տալիս ուշադրության վեկտորը փոխակերպիչներում։
Ի՞նչ արագացումներ են հասնում inference-ները։
Ինչպես է մոդելը օգնում բիզնեսին?
Counterfactual ինչ է?