როგორ შეაფასეთ მხარდაჭერის ბილეთების კლასიფიკაციის სისტემის მზადყოფნა განთავსებისთვის?
Machine Learning / AI
F1 და recall-ის გარდა, რა მეტრიკები გამოიყენეს კლასიფიკატორის შეფასებისთვის?
Kafka-ში topic რა არის?
იქნებოდათ ცხრილის მოდელები წარმოებაში?
რა მეტრიკებს აკვირდებით მოდელის წარმოებაში განთავსების შემდეგ: სერვისის, მონაცემებისა და მოდელის მეტრიკები?
აღწერეთ თქვენი გამოცდილება Docker-თან მუშაობაში: როგორ შეფუთვა და განთავსება ML-სერვისის?
რომელ მეტრიკებს გამოიყენებდით აგენტებსთვის ლიდების დანიშვნის სისტემის შეფასებისთვის?
როგორ ნორმალიზება სკორი, რათა ახალი აგენტი, რომელსაც ისტორია არ აქვს, ასევე მიიღოს ლიდები და შეძლოს გაყიდვა?
როგორ ახსნიდით ამ გადაწყვეტილებას დაინტერესებულ მხარეებს სტატისტიკური მომზადების გარეშე?
ლიდების დახურვის მაჩვენებელი 5%-ია, რამდენიმე ქვეყანა და აგენტები. როგორ გამოვიყენოთ ML ახალი ლიდის განსაზღვრაში, რომელი აგენტისთვის დავნიშნოთ?
გვითხარით, რა იცით ძიების, რეიტინგის, რეკომენდაციების და პერსონალიზაციის საკითხებზე.
რა არის partition Kafka-ში?
გვითხარით საკუთარ შესახებ და თქვენი გამოცდილების შესახებ ML ინჟინერად.
რატომ გთავაზობთ ამ დავალებისთვის CatBoost-ს?
როგორ შეაფასებდით თქვენი გამოცდილება ცხრილოვანი ML-ის სფეროში NLP და LLM-ის შედარებით?
მომსახურე A-მ დახურა 70 ლიდიდან 7-ს, ხოლო მომსახურე B-მ — 3-დან 2-ს. როგორ შევადაროთ ისინი სამართლიანად?
ამ დავალებისთვის რომელი ბეისლაინი და რომელი საბოლოო მოდელის კანდიდატი აირჩევთ?
გთხოვთ, აღწეროთ შემთხვევა, როდესაც მოდელი offline შეფასებაში კარგად მუშაობდა, მაგრამ პროდუქციაში ცუდად აჩვენა შედეგი: რა მოხდა და რა გააკეთეთ?
როგორ გაქვთ გამოცდილება Microsoft Azure-თან და შეგიძლიათ თუ არა იქ გადაწყვეტილების განთავსება?
თქვენი მიმდინარე მდგომარეობა რა არის: რა ეძებთ, რამდენად სწრაფად მზად ხართ დაწყებისთვის და რა ხდება თქვენს მიმდინარე სამუშაო ადგილთან?