Machine Learning / AI
In cosa si differenziano NDCG@10 e NDCG per l'intera lista?
A cosa serve il tasso di apprendimento e di cosa è responsabile?
Cos'è DQN e quali problemi risolve rispetto al Q-learning?
Cos'è un vocoder (HiFi-GAN, WaveNet)?
Qual è la complessità in memoria e in tempo dell'auto-attenzione?
Quali tipi di modelli conosci per i compiti di rilevamento (famiglia R-CNN, YOLO, SSD, DETR)?
Cos'è la Ricerca di Architettura Neurale?
Cos'è un join broadcast in Spark e a cosa serve?
Cosa sono le covariate variabili nel tempo?
Come affrontare la tendenza nei dati quando si utilizzano alberi e foreste casuali per la previsione?
Cos'è lo stato di credenza e come viene aggiornato?
Cos'è la guida senza classificatore e come funziona la scala?
Quale dimensione di intersezione dei chunk usare?
Come trasferire grandi dati tra i task in Airflow?
Quali metriche vengono utilizzate per valutare l'OCR (CER, WER)?
Come emettere un elenco dei risultati?
Cos'è il meta-apprendimento per AutoML?
Quali tecnologie e aree ti sono più vicine: ML classico, DS o NLP?
Cos'è l'approccio della finestra scorrevole in QA per testi lunghi?
Se non ci sono risposte di riferimento, ci sono solo documenti e contesto — come valutare il sistema e da dove prendere la risposta di riferimento?