რას განაპირობებს ალგორითმების სირთულე, რომელიც დამოკიდებულია n ან k-ზე და რა არის მისი დამოკიდებულება?
Machine Learning / AI
რომელი მეტრიკა მნიშვნელოვანია: სიზუსტე თუ recall, დავალებაზე დამოკიდებული?
ნულების გადატანა მასივის ბოლოს, სხვა ელემენტების წესის შენარჩუნებით [1, 0, 8, 9] -> [1, 8, 9, 0] def move_zeros(nums: list[int]): pass
რა არის self-ask prompting?
რა საფრთხეები შეიძლება იყოს მონაცემების ნორმალიზაციის დროს რანდომული ტყის ექსპროლაციის პრობლემის გადაჭრისთვის?
რა არის MRR და სად გამოიყენება?
როგორ გავითვალისწინოთ შემთხვევები ნოლებით სიის ელემენტების გამრავლებაში?
რისი პარამეტრები შეიძლება შეიცვალოს შემთხვევით ტყეში და როგორ ახდენს გავლენას სიღრმე და ხეების რაოდენობა?
რა არის CBAM (კონვოლუციური ბლოკის ყურადღების მოდული)?
არსებობს თუ არა ორგანიზაციული ან ტექნიკური საკითხები?
როგორ გავიგოთ, რომ მოდელი კარგი ან ცუდია? რა მეტრიკები არსებობს და რა მნიშვნელობა აქვთ?
რა მექანიზმები არსებობს კლასიფიკაციის ხარისხის შეფასებისთვის?
რატომ გამოიყენება ინდუსტრიულ გარემოში უფრო ხშირად გრადიენტული ბუსტინგი, ვიდრე შემთხვევითი ტყე?
როგორ შევადაროთ სხვადასხვა embedding მოდელების ხარისხი? რა არის MTEB?
რა არის პრობლემა გადაწყვეტაში, სადაც გამოყენებულია O(n^2) შიდა ციკლი?
რატომ უნდა გამოიყენოთ სია წინა მნიშვნელობების შენახვისთვის?
შესაძლებელია თუ არა ახალი მოდელის F1-შეფასება 0.81 უკეთესია, ვიდრე 0.8 და დაუყოვნებლივ განთავსება წარმოებაში?