როგორ მუშაობს შემთხვევითი ტყე და როგორ იძლევა ის სწავლას კლასიფიკაციის დავალებაში?
Machine Learning / AI
როგორ შევადაროთ სხვადასხვა embedding მოდელების ხარისხი? რა არის MTEB?
შესაძლებელია თუ არა ახალი მოდელის F1-შეფასება 0.81 უკეთესია, ვიდრე 0.8 და დაუყოვნებლივ განთავსება წარმოებაში?
რამდენად არის ასიმპტოტიკური მრავალჯერადი გადასვლების დროს სია?
თუ ახალი მოდელის AUC 0.82-ია, ხოლო ძველი 0.80-ია, შეიძლება ითქვას, რომ ახალი უკეთესია? როგორ შევამოწმოთ სტატისტიკური მნიშვნელობა?
არის საჭირო რეგულაცია თავისუფალი წევრის (bias, w0)? რატომ არის w0 საერთოდ საჭირო?
როგორ გავზომოთ ბინარული კლასიფიკაციის მოდელის ხარისხი? რა მეტრიკებს იცნობთ?
რა არის H(X) კლასიფიკაციის კონტექსტში, მაგალითად ენტროპია?
როგორ შევადაროთ მოძრავი წერტილის კოორდინატები, учитывая float-ის თავისებურებებს სხვადასხვა ენებში?
შესაძლებელია თუ არა მოდულის გამოყენების პრობლემის იაფი გადაჭრა გრადიენტული დაქვეითების დროს?
როგორ იქცევა Precision და Recall კლასების დისბალანსის დროს? მაგალითი: 95 ერთეული და 5 ნული, მოდელი ყოველთვის წინასწარმეტყველებს 1-ს.
რა არის ROC გრაფიკა?
რა არის re-ranker RAG-ში? რა მოდელები იყენებენ (cross-encoder, bge-reranker)?
რა არის განშტოების კრიტერიუმი ხეებში?
რა გატაცებები გაქვთ თავისუფალ დროს?
როგორ აღწეროთ შემთხვევითი ტყის მოდელის არქიტექტურა დამატებული ხაზოვანი მოდელით ექსტრაპოლაციისთვის?
Tokenizatsiis Unigram lingvisturi modeli (SentencePiece-ის მსგავსად)?