Machine Learning / AI

Perché hai lasciato (stai lasciando) [azienda]?

Come hai determinato un valore specifico della soglia di confidence score?

Stai lavorando ora o no?

Hai capito tutto sul prodotto (piani media), o vuoi chiarire qualcosa?

Come risolveresti ora (con le tue conoscenze attuali) il problema della classificazione e del routing delle richieste in un service desk, utilizzando un approccio multilivello: rule-based → ML → fallback LLM → umano? Nomina tecnologie, modelli e metriche specifiche.

Sei stato il principale in Data Science nel team [azienda]? Quali approcci e tecnologie sono venuti da te, e quali sono stati definiti dal tech lead?

Confronta modelli lineari e non lineari nel ML classico — vantaggi e svantaggi.

C'è stato un ulteriore addestramento del modello per questo compito (non LLM)?

Quali tipi di tokenizzazione conosci? Vantaggi e svantaggi di ciascuno.

Parlami di regolarizzazione: cos'è, a cosa serve, quali tipi ci sono.

Parlami in due parole del team in cui hai lavorato presso [azienda].

È stato sotto forma di test/pilota o è passato direttamente in produzione ed è stato utilizzato dai manager?

Cos'è un gradiente dal punto di vista matematico e come viene applicato nell'apprendimento automatico?

Cosa rappresentava il prodotto in [azienda] dal punto di vista dell'utente (gestione documentale, estrazione dati da KS-2/KS-3/ preventivo)?

Parlami di un progetto con ML classico (non LLM) di cui sei orgoglioso.

Parlami di te, della tua esperienza e dei progetti chiave (in particolare del sistema GPT aziendale in [azienda]).

Come hai capito se il modello ha classificato correttamente i dati? Quali azioni erano richieste dal manager?

Come hai misurato la qualità dell'estrazione dei dati?