Machine Learning / AI
როგორ მივიღოთ დიდი ტექსტის (მაგალითად, გრძელი პროდუქტის აღწერის) embedding-ი კლასიფიკაციის დავალებისთვის?
რისი საფუძველზე აშენდა მოდელი?
import unittest class Solution: def isvalid(self, s:str) -> bool: matching_brackets = { ")": "(", "]": "[", "}": "{", } stack: list[str] = [] for bracket in s: if bracket in "([{": stack.append(bracket) continue if bracket not in matching_brackets: return False if not stack or stack[-1] != matching_brackets[bracket]: return False stack.pop() return not stack class SolutionTest: def __init__(self): self.Solution = Solution() def run(self): test_cases = [ ("", True), ("()", True), ("(){}[]", True), ("(({}))", True), ("(", False), (")", False), ("(((", False), ("{[]}", False), ] for brackets, expected in test_cases: actual = self.Solution.isvalid(brackets) assert actual == expected, ( f"შეცდომა {brackets!r}" f"მოსალოდნელი იყო {expected}, მაგრამ მიიღეს {actual}" ) print(f"ყველა ტესტი წარმატებით ჩატარდა: {len(test_cases)}") if __name__ == "__main__": SolutionTest().run()
თუ ბეტჩის ზომა დიდია, გრადიენტი იქნება პატარა თუ დიდი?
გააზიარეთ თქვენი ტექნიკური ბექგრაუნდი — იყო თუ არა ხელით კოდირების გამოცდილება Vibe-კოდამდე?
წერეთ Log Loss (ბინარული კროს-ენტროპია) ფორმულა.
გააზიარეთ თქვენი შესახებ: რომელ პროექტებში მუშაობდით, რა ტექნოლოგიებს იყენებდით?
Batch Normalization-ის შესახებ ისაუბრეთ: რა არის ეს და რატომ არის ეს საჭირო?
რომელ მემკვიდრეობის შეფასების მოდელის მეტრიკებს მიიღეთ და როგორ გამოიმუშავეთ მისგან?
რა ხდება როდესაც ვიძახებთ loss.backward()? რა არის გრადიენტი და როგორ ითვლება?
როგორ გამოვიტანოთ Linux-ში ინფორმაცია იმის შესახებ, თუ რამდენი ვიდეომეხსიერება იკავებს თითოეული პროცესი?
როგორ გავიგოთ, რომელ ერთ მონაცემთა ბაზას მივმართოთ კლასიფიკაციის შედეგის მიხედვით?
როგორ შევამოწმოთ, რომ LLM-as-a-Judge სწორად აფასებს ხარისხს და როგორ შევასრულოთ მისი კალიბრაცია?
რა განსხვავებაა GPT არქიტექტურასა და BERT არქიტექტურას შორის?
გააზიარეთ პროდუქტის სრული ციკლი ახალი ბაზრისთვის [კომპანია]: რას გულისხმობთ სრული ციკლში, რა ეტაპები, მეტრიკები, შედეგები.
როგორ შეგროვეთ მონაცემები და რა მიდგომა აირჩიეთ დატოვების დავალებისთვის?
a = [1, 2, 3] b = [1, 2, 3] c = a print(a == b) print(a is b) print(a is c)
რა კიდევ შეიძლება გამოყენებულ იქნას დანაკარგის ფუნქციად კროს-ენტროპიის გარდა?
როგორ ვყოფთ მონაცემებს კროსს-ვალიდაციისთვის?
როგორ ხორციელდება აგენტების მოქმედებების დათვალიერება მრავალაგენტურ სისტემებში?