Machine Learning / AI
Counterfactual ինչ է?
Ի՞նչ է կросս-վալիդացիան և ինչու է դա անհրաժեշտ:
Ի՞նչ արագացումներ են հասնում inference-ները։
Ինչպես է մոդելը օգնում բիզնեսին?
Ինչպես է ուսուցանվել BERT-ը: Ի՞նչ են MLM և NSP-ը։
Ի՞նչ է bias-variance trade-off-ը։
Ի՞նչ է NVIDIA Nsight Compute-ը և ինչպես օգտագործել այն։
Ի՞նչ է սփեկուլատիվ դեկոդավորումը և ինչպես է այն արագացնում արտադրությունը։
Ի՞նչ պրակտիկաներ են կիրառվում ուսուցման և սպասարկման հատկությունների սինխրոնիզացման ժամանակ։
ROC-AUC = 0.9. Ինչ է տեղի ունենում այս մետրիկայի հետ, եթե բոլոր մոդելի կանխատեսումները բազմապատկենք 3-ով?
Որոնք են ժամանակային շարքերի մոդելների վավերացման մեթոդները, որոնք բացառում են ապագան դիտելը ուսուցման ժամանակ?
Ի՞նչ է target encoding-ը և ինչ խնդիրներ ունի (overfitting, leakage)։
Ի՞նչ է կոնտեքստի երկարությունը և ինչու է այն դժվար ընդլայնել։
Ի՞նչ բինար դասակարգման մետրիկներ եք գիտակցում: Յուրաքանչյուրի առավելություններն ու թերությունները։
Ի՞նչ է GIL-ը Python-ում։
Ինչպես իրականացնել voice-agent ցածր լատենցի (streaming STT + LLM + TTS)?
Ի՞նչ խնդիրներ կարող են առաջանալ մեկաչափական դիրքային կոդավորման ժամանակ պատկերների հետ աշխատելիս:
Կա արդյոք մոդելի դեֆորմացիա dropout-ով ուսուցման ժամանակ և առանց դրա ինֆերենցիայում?
Ինչպես ճիշտ կոդավորել ցիկլային հատկանիշները?
Ի՞նչ է BERTScore-ը և ինչու է այն ավելի լավ, քան BLEU-ն գեներացման գնահատման համար։