მხოლოდ ML ინჟინრის პოზიციას განიხილავ თუ Data Scientist-ზეც?
Machine Learning / AI
როგორ იძახის LLM თუ გვაქვს ხელსაწყოები ან MCP?
რა სირთულეები წარმოიშობა Word2Vec და NLTK-ის გამოყენებისას რუსული ენისთვის?
დიალოგების ცხრილში 80 მილიონი შეტყობინებაა, და შეფასების ნაკრების ანალიტიკური შეკითხვა 25 წუთს გრძელდება და ზოგჯერ კითხვ-პასუხის წყვილებს დუბლიკატებს აბრუნებს. რა გამოასწორებთ პირველ რიგში და რატომ?
საველეების შექმნისთვის დიდი ენობრივი მოდელი უჭირს იშვიათ თემებზე სტილის შენარჩუნებას. AI-დამხმარე სთავაზობს დაუყოვნებლივ დაიწყოს LoRA მთელ ისტორიულ კორპუსზე, რომელიც შედგება 2 მილიონი დიალოგისგან, მაგრამ მონიშვნა ნაწილობრივ ხმაურია. რომელ შემთხვევებში არ ირწმუნებით ამ რჩევას და რა აირჩევთ პირველ რიგში?
რა არის GET და POST მოთხოვნების განსხვავება?
საერთო ჯამში, რა განსხვავებაა ChatGPT-სა და კომპანიის შიგნით არსებულ ასისტენტს შორის (ჩატ-ბოტი vs ასისტენტი)?
გააზიარეთ თქვენი პროექტების შესახებ: რა კონკრეტულად გააკეთეთ, ტექნიკური დეტალებით?
რომელ გრადიენტ ბუსტინგის ინსტრუმენტებთან მუშაობდით? CatBoost, LightGBM, XGBoost?
როგორ მივუდგეთ ერთ სიტყვას ფონემების შესაბამისობას? როგორ გამოვიყენოთ wav2vec2 ზუსტი ფონემების საზღვრების მისაღებად?
როგორ დავძლიოთ კონტექსტის ზრდის პრობლემა აქტიურ დიალოგში მომხმარებელთან?
რა არის მანქანური სწავლებისა და ღრმა სწავლების ძირითადი განსხვავებები?
რატომ არის სტრუქტურირებული გამოსავალი ყოველთვის ვალიდური JSON? ეს რომელ დონეზე ხორციელდება?
რამდენი თვისება აიღებთ ფუნქციონალური საცავიდან და როგორ შეარჩევთ მათ, თუ ყველა 5000 თვისება ვალიდურია და არ აქვს გამტეხი?
რა გიხსნით შრომაში?
თუ დეკოდერს 10k ტოკენის სიგრძის სერია მიაწოდეთ, ხოლო მოდელი 9k-ზე იყო სწავლული, რა მოხდება?
როგორ იყო маршруტიზებული აგენტებს შორის? მიაწოდეთ გადართვის პირობების მაგალითი.
თუ შემთხვევით ტყეში და გრადიენტულ ბუსტინგში პირველი და ბოლო ხე მოიხსნება, რა მოხდება მოდელის ხარისხთან?
რა არის Aston-ის როლი პროექტის სამუშაო პროცესში?
მუშაკების წასვლის პროგნოზირების პროექტის შესახებ თანმიმდევრობით ისაუბრეთ: ბიზნესსაკითხი, ML-ის დავალების ფორმულირება, მეტრიკები და მონაცემები.