Machine Learning / AI

AI-пен сұхбаттасуға дайынсыз ба?

Сіз үшін ең төменгі және ыңғайлы табыс деңгейі рубльмен қандай?

Қазір неге жаңа ұсынысты қарастырып жатырсыз?

BatchNorm нақты қалай `eval()` режимінде сақталған статистикаларды пайдаланады және бұл нәтижелердің тұрақтылығы үшін неге маңызды?

Жоғары білім дәрежесі мен мамандық қандай?

Ынтымақтастық шарттары туралы сұрақтарыңыз бар ма?

Тақырыптық бағалауда шығатын қателіктерді қалай визуализациялауға болады, олар жалпы суретке қаншалықты әсер етеді?

Практикалық тапсырма PyTorch-те LLM тестілеу екі іске қосу кезінде әртүрлі нәтижелер береді. Қай шешім одан әрі жетілдірілген? - eval() функциясын қосып, нәтижелерді қайта салыстыру. - Тексеру жиынтығының өлшемін арттыру. - Іске қосуды қайталап, ең жақсы нәтижені таңдау. - Себепті талдаусыз TensorFlow-ға ауысу. - Seed-ті түзеп, мәселені шешілген деп санау. - eval(), no_grad(), seed, DataLoader және детерминирленген CUDA операцияларын тексеру.

Сұхбат форматы туралы не ойлайсыз: не ұнады және не жақсартқыңыз келеді?

Практикалық тапсырма AI жаңа LLM шығарылымы туралы шешім қабылдау үшін код генерациялады. Оны қарап шығыңыз: редакторға версиялардың сапасын тақырыптық сегменттер бойынша салыстыруға, бағалау ауытқуларын көруге және аз топтағы деректерде нашарлаудың қаупін байқауға мүмкіндік беретін етіп өзгертіңіз. import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') summary = scores.groupby('model_version')['score'].mean() plt.bar(summary.index, summary.values) plt.title('Модельдердің сапасы') plt.ylabel('Орташа баға') plt.show() print('Ең жақсы нұсқа:', summary.idxmax()) --- import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') stats = ( scores.groupby(["topic", "model_version"])["score"] .agg(["mean", "std", "count"]) .reset_index() ) print(stats) for topic, group in scores.groupby("topic"): group.boxplot(column="score", by="model_version") plt.title(f"Тақырып: {topic}") plt.suptitle("") plt.ylabel("Бағалау") plt.show() small_groups = stats[stats["count"] < 30] print("Кіші топтар - сенімсіз тұжырымдар:") print(small_groups)

Практикалық тапсырма AI жаңа LLM шығарылымы туралы кодты генерациялады. Оны қарап шығыңыз: редакторға версиялардың сапасын тақырыптық сегменттер бойынша салыстыруға, бағалау ауытқуларын көруге және аз деректер тобында нашарлау қаупін байқауға мүмкіндік беретін етіп өзгертіңіз. import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') summary = scores.groupby('model_version')['score'].mean() plt.bar(summary.index, summary.values) plt.title('Модельдердің сапасы') plt.ylabel('Орташа баға') plt.show() print('Ең үздік нұсқа:', summary.idxmax())

Шынайы жоба барысында қайшылықты мысалдарды қалай анықтап, шешкеніңізді мысалмен көрсетіңіз.

Сіз жартылай жұмыс және жұмыс бөлісу жобаларын қарастыруға дайынсыз ба?

Сіз эксперимент нәтижелерінің шығу тегін қалай қамтамасыз етесіз, осылайша метрикалардың қайдан шыққанын нақты түсінуге болады?

Осындай эксперименттерде деректер мен модельдердің нұсқаларын әдетте қалай басқарасыз?

Екі нұсқасын салыстырмас бұрын, эксперимент коды тармақта бар екені анықталды, бірақ нақты деректер нұсқасы мен LoRA параметрлері бекітілмеген. Келесі екі күнге алғашқы инкремент ретінде не таңдар едіңіз және саналы түрде неге құрбан боласыз?

Практикалық тапсырма Екі LoRA іске қосуын адал түрде қайталау үшін қандай артефакттар жиынтығы қажет? - Тек соңғы сапа кестесі. - Кодпен бірге коммит және соңғы метриканың скриншоты. - Код және эксперимент конфигурация файлы. - Код, деректер хэші, негізгі модель, LoRA конфигурациясы, тәуелділіктер және іске қосу командасы. - Тек Git бұтағының сілтемесі. - Код, LoRA параметрлері, негізгі модель нұсқасы және тәуелділіктер.

Өзіңізді қандай грейдте бағалайсыз?

Қазіргі уақытта Яндекс немесе Альфа сияқты ірі тех компанияларында сұхбаттар бар ма?

`eval()` режимінде BatchNorm-ды дұрыс қолданбау нәтижесінде болжау қателеріне әкелген мысал келтіріңіз.