Oltre a F1 e recall, quali metriche sono state utilizzate per valutare il classificatore?
Machine Learning / AI
Come hai valutato la preparazione del sistema di classificazione dei ticket di supporto per il deployment?
Cos'è un topic in Kafka?
Hai avuto modelli tabulari in produzione?
Quali metriche monitoreresti dopo il deployment del modello in produzione: metriche di servizio, dati e modello?
Descrivi l'esperienza con Docker: come impacchettare e distribuire un servizio ML?
Cos'è una partizione in Kafka?
Quali metriche utilizzeresti per valutare il sistema di assegnazione dei lead agli agenti?
Ci dica cosa sa dei compiti di ricerca, classificazione, raccomandazioni e personalizzazione.
Come normalizzare lo score affinché un nuovo agente senza storico riceva lead e possa vendere?
C'è un tasso di chiusura del 5% dei lead, diversi paesi e agenti. Come usare l'apprendimento automatico per determinare a quale agente assegnare un nuovo lead?
Parlami di te e della tua esperienza come ingegnere ML.
Come spiegheresti questa decisione agli stakeholder senza preparazione statistica?
Perché proponi CatBoost per questo compito?
Come valuterebbe la sua esperienza in ML tabellare rispetto a NLP e LLM?
L'agente A ha chiuso 7 su 70 lead, e l'agente B — 2 su 3. Come confrontarli in modo equo?
Racconta un caso in cui il modello ha funzionato bene nella valutazione offline, ma ha avuto prestazioni scadenti in produzione: cosa è successo e cosa hai fatto?
Quale baseline e quale candidato finale del modello sceglieresti per questo compito?
Qual è la tua esperienza con Microsoft Azure e puoi distribuire una soluzione lì?
Come hai lavorato con le classi per le quali c'erano pochissimi esempi?