Machine Learning / AI
Come utilizzare la validazione incrociata per valutare un modello?
Cos'è la discretizzazione (binning) di caratteristiche continue e a cosa serve?
Ci sono analisti che si occupano di scaricare i dati e preparare le vetrine?
Cos'è il test A/B per i modelli ML e quali metriche di business sono importanti?
Come valutare un modello non supervisionato per il compito di risposte alle domande?
Cos'è MC Dropout come approssimazione bayesiana?
Cos'è Feast e quali sono i suoi componenti (negozio offline/online)?
Cos'è il prompting dello scheletro del pensiero?
Come influisce il numero di alberi in una foresta casuale sulla qualità del modello?
Cos'è MAE?
Cos'è Snorkel e supervisione debole?
Qual è il problema della dipendenza lineare delle caratteristiche?
Qual è la logica del sistema di raccomandazione?
Una precisione dell'85% è una buona qualità per un modello?
Qual è la differenza tra ricerca a griglia e ricerca casuale? Quando è più veloce la ricerca casuale?
Cos'è NCCL e a cosa serve?
Perché è necessario l'aumento dei dati?
Cos'è NGBoost e le previsioni probabilistiche?
Cos'è uno strato di collo di bottiglia e a cosa serve?
Qual è la differenza tra IVF-PQ e IVF-Flat?