Machine Learning / AI
Quali problemi ci sono nei test A/B dei modelli ML (ciclo di feedback dei dati di addestramento)?
Cosa sono una replica e uno shard in un VDB distribuita?
Cos'è la multicollinearità delle caratteristiche? Perché è pericolosa e come si rileva?
Quali parametri di apprendimento ci sono in BatchNorm e a cosa servono?
Cos'è la memoria a lungo termine dell'agente e come costruirla (sintesi, memoria vettoriale)?
A cosa serve il compito look-alike?
Cos'è la ricerca a fascio e perché viene usata raramente per la generazione aperta?
Cosa sono gli autoencoder mascherati (MAE) per CV?
Cos'è l'esplorazione guidata dalla curiosità?
Come organizzare la containerizzazione e il deployment dei modelli?
Quali metodi di normalizzazione della distribuzione dei dati esistono?
Cos'è il geohash e come usarlo come caratteristica?
Come esprimere la quantità di palle nel secondo cestino attraverso la quantità di palle nel primo?
Cos'è l'interleaving nelle ricerche e raccomandazioni?
Quali metodi di rilevamento delle anomalie sono specifici per le serie temporali?
Se avessimo risorse infinite e la velocità di convergenza non fosse importante, quale metodo tra GD, SGD o Mini-Batch SGD sarebbe meglio usare?
Perché la rete con BatchNorm converge più velocemente?
Come si calcola la perplexity di un modello linguistico? Quali sono le sue proprietà?
Cos'è la fairness in ML e quali definizioni esistono (parità demografica, probabilità equalizzate)?
Qual è l'interpretazione probabilistica dell'ROC-AUC?