Machine Learning / AI
Ի՞նչ են տվյալների պայմանագրերը։
Ի՞նչ է աղյուսակների հանելը և որոնք մոդելներն են (TableNet, TATR):
Ինչպես միավորվում են գլխի ելքերը FPN-ում (Հատկությունների պիրամիդային ցանց)?
Ի՞նչ տվյալների տեսակներ են հարմար որպես բառարանի բանալի Python-ում և ինչու՞:
Ի՞նչ է p-արժեքը և ինչու է այն անհրաժեշտ:
Ի՞նչ են GPT-4 դասի մոդելների համար prompts գրելու լավագույն պրակտիկաները։
Ի՞նչ տեսակի կոնվոլյուցիաներ եք գիտակցում (ստանդարտ, depthwise, separable, dilated, transposed, grouped): Յեղինակներ, առավելություններ և թերություններ յուրաքանչյուրի։
Ի՞նչ է մոդելների գրանցամատյանը և որ գործիքներ եք օգտագործել (MLflow, W&B)։
Կարո՞ղ է համարվել, որ նոր մոդելը F1-գնահատական 0.81-ով ավելի լավ է, քան 0.8-ով մոդելը և անմիջապես գործարկվել արտադրությունում։
Ի՞նչ է դիֆուզիոն մոդելների մաթեմատիկական գաղափարը: Ի՞նչ են forward և reverse գործընթացները։
Ի՞նչ է DML (երկակի մեքենայական ուսուցում):
Ի՞նչ է բառարան (dict) Python-ում։
Ինչպե՞ս պետք է выгляделի կառուցվածքը՝ ուսուցանելու համար փոխակերպիչը հատուկ տերմինաբանությունը ճանաչել:
Ի՞նչ օպտիմիզացիաներ է իրականացնում Spark-ը։
Ի՞նչ են Sentence Embeddings-ը և ինչպե՞ս են տարբերվում word embeddings-ից։
Ինչ է Donut և ինչու է OCR-ազատ մոտեցումը?
Ինչպես համեմատել տարբեր մատակարարների և ինքնահյուծվող լուծումների inference արժեքը?
Ի՞նչ է վիդեո-լեզվի մոդելը (VideoLLaMA, Video-ChatGPT):
Ի՞նչ է diffusion-based super resolution-ը։
Ինչպես են երկու փուլային հայտնաբերման սարքերը տարբերվում մեկ փուլայիններից՝ ճարտարապետության, արագության և որակի առումով։