Machine Learning / AI

რა კრიტერიუმებით შეაფასებდი რეკომენდაციული სისტემის ეფექტიანობას, რომელიც იღებს დავალებებს ბაზიდან ან ქმნის მათ LLM-ის საშუალებით?

როგორ დავრწმუნდეთ, რომ RAG სისტემაში ინფორმაცია მუდმივად განახლდება დოკუმენტების მუდმივი განახლებებისას?

სადაც გთხოვენ მარტივი რამეების მოყოლას, თქვენ ძალიან ტექნიკურ მხარეს გადიხართ. როგორ გამოეხმაურებით ამას?

შეთავაზეთ ვარიანტი სასწავლო პლატფორმაზე მოსწავლისთვის დავალებების რეკომენდაციის სისტემის განვითარებისათვის.

რა უნდა გააკეთოთ მონაცემების დეფიციტის შემთხვევაში, როდესაც 500 მოსწავლე და 3 თვის მუშაობა პლატფორმაზეა?

რა არის ოვერფიტინგი და ანდერფიტინგი?

რა უნდა გააკეთო, თუ ვერანაირი ვალიდაციის ნაკრები გაქვს? როგორ დაადასტურო მოდელი?

მითხარით თქვენი თავი, თქვენი გამოცდილება, რა დავალებებზე გიწევდათ მუშაობა.

რა არის L1 და L2 რეგულარიზაცია? როგორ ეხმარება ის გადამეტებასთან ბრძოლაში?

რა არის მონაცემთა ნაკრების ნორმალიზაცია და რატომ არის ეს მნიშვნელოვანია მოდელის სწავლებისას?

როგორ ახსნით რეკომენდაციის სისტემას ფიზკულტურის მასწავლებელს (ტექნიკური არამომხმარებელი)?

როგორ გაიგებდით, რატომ შეწყვიტეს რეკომენდაციული სისტემით დაჯგუფებულ სტუდენტებმა რეკომენდებული დავალებების შესრულება?

რა არის მონაცემთა გაჟონვა და საიდან მოდის?

შესაძლებელია თუ არა მონაცემთა გამტარობა მონაცემების ნორმალიზების დროს, სანამ ისინი ტრენინგსა და ტესტში გაიყოფა?

როდის არის უკეთესი RAG-ის გამოყენება და როდის მოდელის fine-tuning?