Machine Learning / AI
Կարո՞ղ եք հիշել դեպք, երբ տվյալների արտահոսք է եղել մոդելի ուսուցման ժամանակ:
Ի՞նչ տեսակ(chunking) է օգտագործվել և ինչպիսի՞ փաստաթղթեր էին (Word, PDF, Excel և այլն):
Ի՞նչ է pruning-ը մոդելի չափը նվազեցնելու համար։
Երբ մոդելը տրամադրում էր անվավեր արգումենտ, ինչ էինք անում?
Կարող է տվյալների արտահոսք տեղի ունենալ տվյալների նորմալիզացիայի ժամանակ՝ նախքան դրանք բաժանել ուսուցման և փորձարկման համար:
Կարճ ասա, ինչ ես արել մոդելների հետ: Ի՞նչ է քո փորձը ML նախագծերում։
Ի՞նչ է joint intent + slot մոդելը։
Դուք ունե՞ք փորձառություն առաջարկական համակարգերի հետ։
Ինչ անել տարբեր ժամանակային մանրամասնությամբ տվյալների հետ: որոշները գրանցվում են ամեն ժամ, մյուսները՝ ամեն օր։
Ի՞նչ այլընտրանքներ կան հիպերփարամետրերի ընտրության համար grid search-ի փոխարեն։
Ինչպե՞ս խուսափել մոդելին սովորեցնել բացասական օրինակների ստեղծման heuristic-ը փոխարեն ընդհանուրացմանը։
Որո՞նք են գեոօրակական պրոյեկցիաների (UTM, EPSG, WGS84) առանձնահատկությունները։
Որտե՞ղ ես հիմա տարածքային առումով և որտեղից կաշխատես։
Ինչպե՞ս իրականացնել զրոների հաշվարկման և տեղափոխման ալգորիթմը զանգվածում Python-ով։
Պետք է պահել տվյալների ամբողջ պատմությունը կամ հնիները ջնջել?
Պատմեք տրանսֆորմատորի ճարտարապետության մասին՝ encoder-decoder, ինչ է տեղի ունենում դեկոդերի ներսում?
Ի՞նչ է Lucene-ը և ինչպիսի՞ն են նրա հիմնական կառուցվածքները։
Ի՞նչ մեթոդներ կան հատկության կախվածությունը թիրախից բացատրելու համար, ներառյալ սեւ տուփի մոդելները։
Ի՞նչ վիճակագրական թեստեր են կիրառվում A/B թեստերում։
Ինչպես արագացնել հարցումը երկու աղյուսակների միացման ժամանակ՝ կանոններ և հնարքներ?