Machine Learning / AI
Hai esperienza nel migliorare framework per inferenza o addestramento di LLM?
Puoi spiegare come si calcola esattamente l'F1-score attraverso precision e recall?
Come avviene la chiamata degli strumenti (tool calling) nell'agente?
Come hai iniziato a lavorare con il progetto di valutazione della qualità dei dialoghi? Quali dati avevi, quale approccio hai scelto?
Come valutare le risposte di LLM se sono corrette ma scritte in modo diverso?
E come funzionerebbe teoricamente nel boosting se l'obiettivo fosse meno uno? Supponiamo di avere positivo e negativo, se impostiamo un obiettivo di 10 invece di uno per il positivo, cosa succederebbe, non cambierebbe nulla?
Qual è la differenza fondamentale tra DBSCAN e K-Means?
Compito di classificazione con forte squilibrio delle classi: quali metriche sono buone, quali sono cattive?
Come è stata valutata la qualità del modello di riaddestramento?
Calcola l'esperienza lavorativa media per ogni categoria di stipendio
Parlaci della tua revisione della carriera: tipi di ruoli, industrie, progetti chiave.
Racconta in modo sequenziale il progetto di previsione del turnover dei dipendenti: problema di business, formulazione del problema di ML, metriche e dati.
Cos'è un vettore sparso? In cosa si differenzia da uno denso?
Scrivi solo in Python o anche in altri linguaggi?
Ci sono scadenze per la ricerca di lavoro? Con quali aziende state ancora comunicando?
Come influisce la crescita del dialogo e del contesto sulla velocità di elaborazione delle risposte?
Ci sono 100 monete, una delle quali è falsa — con due aquile su entrambi i lati. Scegliamo una moneta a caso, la lanciamo e compare l'aquila. Qual è la probabilità che la moneta sia falsa? Spiega la soluzione (usando la formula di Bayes).
Su quali coefficienti la regolarizzazione L2 in XGBoost applica restrizioni?
Cos'è Kafka?
Parla del suo primo posto di lavoro: con quali compiti e progetti ha dovuto lavorare, quali strumenti ha usato?