Machine Learning / AI
Ի՞նչ են LLM-ների առաջացող կարողությունները և կա՞ համաձայնություն դրանց գոյության մասին։
Պատմեք դասական մեքենայական ուսուցման ոլորտում հետաքրքիր նախագծերի մասին — scoring, դասակարգում.
Նշեք դասակարգման մի քանի տեսակի մետրիկներ և բացատրեք դրանք։
Ի՞նչ են EFB և GOSS-ը LightGBM-ում։
Ի՞նչ է թիրախային կոդավորումը։
Ի՞նչ է Hyperband-ը և Successive Halving-ը։
Եթե ժամանակաշարերի կանխատեսման առաջադրանքում նպատակային մասում զրոներ կամ ցածր արժեքներ են հանդիպում, որո՞նք են լավագույն որակի չափանիշները՝ MAPE, SMAPE կամ WAPE։
Ինչպե՞ս հաշվի առնել իրավիճակը, երբ զվարճալի պատասխանն ունի շատ լայքեր, բայց ճիշտ չէ։
Ինչ է needle-in-a-haystack և ինչ սահմանափակումներ ունի?
Ինչպե՞ս մեծացնել տվյալների քանակը ուսուցման համար՝ քիչ նշված օբյեկտներով։
Ավտոմատ երաժշտական տեքստագրության ինչ է?
Ինչպես ստանալ բեդինգներ նոր դիտարկումների համար?
Խոսեք ձեր փորձի և պարտավորությունների մասին ձեր ներկայիս աշխատանքում։
Կանխատեսվո՞ւմ են արդյոք դրամական մետրիկաները A/B փորձերում։
Ի՞նչ գործիքներ և գրադարաններ կարելի է օգտագործել Python-ում խնդիրներ լուծելու համար։
Ի՞նչ է գրատախտակի միջին գնահատականը։
Ի՞նչ է բաժանման և շարդինգի տարբերությունը։
Ինչպես գտնել օգտվողին տվյալների բազայում հին դիտարկումներով՝ երբ փոփոխվում են հատկանիշները:
Որտեղից է հայտնի տվյալների քանակը?
Ինչն է տարբերությունը Tensor Parallel Size և Data Parallel Size-ի միջև vLLM-ում։