Machine Learning / AI
PIK-ის გამოცდილება: NLP კლასიფიკატორი კონტრაქტორებისა/ინჟინრების მიმართვებზე. იყო ბევრი მიმართვა?
ახლა რა ეძებ? რა მნიშვნელოვანია პირობებისა და დავალებების თვალსაზრისით?
რა არის LoRA?
რისი შეცდომის ზღვარი უნდა გამოიყენოს სწავლების შეჩერებისთვის?
როგორ მივუდგეთ მონაცემთა ნაკრების წინასწარ დამუშავებას?
შემდეგ კი გსურთ ნახოთ AI-ს ინსტრუმენტმა შექმნილი კოდი?
რატომ არის საჭირო ლექსიკონის ზომის შემცირება? რატომ არის დიდი ლექსიკონი ცუდი? რომელ ფუნქციაში ხდება დატვირთვა?
შეგვიძლია BERT-ს კლასიფიკატორთან ერთად კლასიფიკაციის დავალებისთვის გამოვიყენოთ?
რა არის stride და padding? როგორ ახდენენ ისინი კონვოლუციის გამოსვლის ზომაზე გავლენას?
გვითხარით ტრანსფორმატორის არქიტექტურაზე: encoder-decoder, რა ხდება დეკოდერში?
როგორ გამოვთვალოთ დაავადების ალბათობა დადებითი ტესტის შემთხვევაში, განიხილეთ მგრძნობელობა და სპეციფიურობა?
რა არის fastembed და რატომ არის ის სასარგებლო პროტოტიპირებისთვის?
VDB-ში რა ტიპის სიღრმის ფორმატები (ბინარული, სკალარული კვანტიზაცია) არსებობს?
რა არის დროპაუტი და როგორ ხორციელდება?
რა არის LangGraph და რატომ უნდა ავაშენოთ მდგომარეობის მანქანა აგენტებისთვის?
რა დაცვებია გამოყენებული (შეყვანა/გამოტანა ფილტრები, სისტემის prompt გამტკიცება, დაცული რკალები)?
რა არის foundation მოდელები მედიცინაში (MedSAM, RadGraph)?
შემთხვევითი ტყე უზრუნველყოფს წინასწარმეტყველებებს მოცემულ დიაპაზონში, თუ თითოეული ხე არ გადის სასწავლო ნაკრებს?
რომელ ტექნიკებს იყენებდით prompt ინჟინერიაში (few-shot, role, CoT, ReAct)?
რა ვარიანტებია მომხმარებლისა და კომპანიის შიდა წრეში მონაცემების გაცვლისთვის?