Machine Learning / AI
Ինչպես են պահվում Precision և Recall դասերի անհավասարակշռության դեպքում: Օրինակ՝ 95 միավոր և 5 զրո, մոդելը միշտ կանխատեսում է 1։
Ի՞նչ է judge LLM-ը և ինչ խնդիրներ ունի bias-ների հետ (երկարության bias, դիրքի bias)։
Ինչպես կազմակերպել ինդեքսի թարմացումը արտադրությունում առանց դադարեցման?
Ինչպես են ուսուցանում էմբեդինգները խիստ բացասականների հետ գործառույթի համար?
Ինչպես ընտրել ինֆերենցիայի համար քվանտացման ձևաչափը CPU-ի և GPU-ի համար?
Ի՞նչ է Lucene-ը և ինչպիսի՞ն են նրա հիմնական կառուցվածքները։
Ի՞նչ է DPO-ն և ինչու է այն ավելի հանրահայտ, քան PPO-ն բաց մոդելներում։
Կարո՞ղ է դատարկ ցանկը հեռացվի հիշողությունից և երբ դա տեղի է ունենում Python-ում։
Ինչու RAG-ը ավելի լավ է, քան fine-tuning-ը ներքին փաստաթղթերի համար QA առաջադրանքի համար?
Որո՞ք GPU պրոֆիլավորման մեթոդներ (nsight, torch.profiler, py-spy)?
Որ ֆրեյմվորկեր են օգտագործում (EconML, DoWhy, CausalML)?
Ինչպես է կառուցված օնբորդինգը?
Ինչպե՞ս որոշել, որ մոդելը բարձր փոփոխականություն ունի։
Ինչպես են վճարվում լրացուցիչ ժամերը;
Ի՞նչ տարբերություն կա dropout և բեռնաթափման նորմալացման միջև։
Ի՞նչ է շարունակական ներկայացումը։
Ի՞նչ է օբյեկտի 6D դիրքի գնահատումը։
Ինչպե՞ս ծառը վերադարձնում է օբյեկտի պատկանելիության հավանականությունը դասին:
Ի՞նչ է meta-prompting-ը և ինչ use-կեյսեր ունի։
Ինչպե՞ս գտնել եռանկյունին պատկերում առանց խոր ուսուցման։