Machine Learning / AI
შეგვიძლია ერთდროულად გამოვიყენოთ იგივე მეტრიკები, როდესაც ვამოწმებთ ხარისხს top-K-ით და მომხმარებელს სვამთ კითხვას (მოწონება/მოწონების არქონა)? თუ ეს სხვადასხვა რამეა?
# მოცემულია მასივი a = [1, 20, 10, 0, 59, 63, 0, 88, 0] -> [0, 0, 0, 1, 20, 10, 59, 63, 88] # საჭიროა დაწეროთ ოპტიმალური ფუნქცია, რომელიც გადაადგილებს ნულებს მასივის დასაწყისში და შეინარჩუნებს სხვა ელემენტების წესრიგს def move_zeros_to_left(a: List[int]) -> List[int]: pass
გაქვს დროის სერიებთან და PySpark-თან გამოცდილება?
რა არის LangGraph? რატომ უნდა გამოიყენოთ იგი LangChain ან სუფთა API-ს ნაცვლად?
მოკლედ აღწერეთ, როგორ შეიძლება რაგ-ის გამოცდილების გადაკომპლექტება რეკომენდაციული სისტემებისთვის, და შემდეგ ტიპური კითხვები. არა როგორ უნდა უპასუხო, არამედ რა არის მისი არსი ჩემი გამოცდილებისა და რეზიუმეს მიხედვით.
გეგმავთ დარჩეთ ფილიპინებზე ან გადავიდეთ სხვა ქვეყანაში?
გაქვთ შეთავაზებები ხელში ან საბოლოო ეტაპები სხვა კომპანიებში?
როგორ არის დაწერილი ROC-AUC ალგორითმის სირთულე?
რა იყო პროდუქტი [კომპანიაში] მომხმარებლის თვალსაზრისით (დოკუმენტების მართვა, მონაცემების ამოღება KS-2/KS-3/საფასურის)?
რა იყო state ობიექტი (TypedDict ან სხვა)?
როგორ იპოვიდი მომხმარებლის, კომპანიის დირექტორის და მისი ველის მონაცემების სქემას, თუ არ იცი, სად არის ეს მონაცემები და არავინ გყავს დასამკითხავად?
სისტემის მუშაობა ერთ მომხმარებელზე მარტივ სიტყვებით, ასინქრონობის გარეშე, ახსენით.
სანამ სქროლვის სიღრმე დიდი იყოს, ეს ყოველთვის კარგია?
და ამას ახლა პროდუქტში დაამატებდი, ხო? (FAQ-ის კეშზე განმარტება)
თუ ერთ-ერთი აგენტი შეცდებოდა, მთელი გრაფიკი ჩავარდებოდა თუ მისულიყო მიმოხილვის აგენტამდე დეგრადაციისთვის?
თქვენ უკვე ოთხი წელია იქ მუშაობთ. რატომ გადაწყვიტეთ წასვლა? რატომ განიხილავთ ახლა შეთავაზებას?
რა წინაპირობები სჭირდება ხაზოვანი რეგრესიის მშენებლობას?
გთხოვთ, აღწეროთ მომხმარებლის შეტყობინების გზა LLM-ის მეშვეობით ინფერენციის დროს — ჩათიდან პასუხამდე, მათ შორის Transformer-ის არქიტექტურული დეტალები.
მომავალში რომელ სფეროში გსურს განვითარდე?
რა არის შენთვის მნიშვნელოვანი კომპანიაში ფინანსების გარდა?