Machine Learning / AI
რა ინფორმაცია ჩანს სასწავლო გრაფიკის ღერძებზე?
თქვენი პროექტის შესახებ ორი მოდელით (GigaChat და ადგილობრივი მოდელი, რომელიც სწავლობდა LoRA)
გთხოვთ, უფრო დეტალურად ისაუბროთ ამოცანებზე, რომლებიც გადაწყვიტეთ: რა მოდელები შექმენით, როგორ დამუშავეთ მონაცემები?
რა არის ფედერაციული სწავლება მედიცინაში და რა მიზნით გამოიყენება?
რატომ აკლია სტაბილურობა?
რა არის განსხვავება cross-attention, masked attention და self-attention-ის შორის?
ობიექტზე ორიენტირებული პროგრამირებით მუშაობდი?
რა უნდა გავაკეთოთ ML მოდელის წონებთან, თუ ისინი რამდენიმე გიგაბაიტს იწონიან? როგორ შევინახოთ ისინი Docker-ის კონტექსტში?
მოყევით მაგალითი, როგორ იპოვეთ და გადაჭერი კონფლიქტული მაგალითების პრობლემა რეალურ პროექტში.
რა არის adapter tuning და prefix tuning?
ფედერაციული სწავლება რა არის და რა არის მისი აგრეგაციის მოდელები (FedAvg)?
რა საშუალებით შეიძლება ადგილობრივად განახორციელოთ LLM ბიზნეს-სისტემისთვის?
რატომ არ შეიძლება პირდაპირ დაკავშირება გარედან LLM-თან ფინტექში წარმოების სერვისში?
რომელი მონაცემთა სტრუქტურა Python-ში საშუალებას აძლევს მოდელირებას NoSQL მონაცემთა ბაზების?
რა არის გადამეტებული სწავლება და როგორ შეიძლება თავიდან აიცილოს?
როდის არის MSE მოდელი მიზნის განაწილებასთან თანხვედრაში?
რისი კრიტერიუმები გამოიყენება გადაწყვეტილების ხეებში (მაგალითად, ენტროპიის კრიტერიუმი)? შეგიძლიათ სხვა სახელები დაასახელოთ?
დარწმუნებული სიგნალების სწორი სია გავრცელებული სიგნალების სია, რომელიც შედგება წრიული, კვადრატული და ფორმის სიგნალებისგან '{', '}', '[', ']'. პროგრამამ უნდა განსაზღვროს, არის თუ არა ეს სიგნალების სია სწორი. - ცარიელი სია სწორია. - თუ A სწორი სიაა, მაშინ (A), [A], {A} სწორი არიან. - თუ A და B სწორი სიაა, მაშინ AB სწორია. შესავალი ფორმატი: მხოლოდ ერთი ხაზი, სადაც სიგნალების სიაა, რომელიც არ აჭარბებს 100000 სიგნალს. გამოსვლის ფორმატი: თუ სია სწორია, პროგრამა უნდა დაბეჭდოს 'yes', წინააღმდეგ შემთხვევაში 'no'.
მიუხედავად ამისა, ჯერ კიდევ მუშაობთ კომპანიაში (DOM.RF)?
ROC-AUC 0.8-ია. თუ სკორს 1.25-ით გავამრავლავთ, როგორ შეიცვლება?