Machine Learning / AI
Жетекшілерді агенттерге тағайындау жүйесін бағалау үшін қандай көрсеткіштерді қолданар едіңіз?
Спекулятивті декодтау деген не және ол қалай жұмыс істейді?
Табыс деңгейі бойынша қандай бағытта қарайсыз және баға диапазонын қалай анықтайсыз?
Әр пайдаланушы үшін жалпы кірісті есептеңіз. Әр пайдаланушының алғашқы және соңғы сатып алу күнін анықтаңыз.
Қазіргі біліммен (қазіргі білімдеріңізбен) қызмет көрсету орнына сұрауларды жіктеу және бағыттау мәселесін қалай шешер едіңіз, көп деңгейлі тәсіл қолдана отырып: ережелер негізіндегі → ML → LLM fallback → адам? нақты технологиялар, модельдер және көрсеткіштерді атаңыз.
Неге тек косинус ұқсастығы орнына BM25 + embeddings гибридті іздеуді таңдадыңыз?
Мультитрейдинг, мультипроцессорлық және асинхронды өңдеу арасындағы айырмашылық туралы айтыңыз.
Диалогтар кестесінде 80 миллион хабарламалар бар, ал бағалау жиынтығы үшін аналитикалық сұрау 25 минут алады және кейде сұрақ-жауап жұптарының қайталануларын қайтарады. Алдымен не түзетесіз және неге?
90 нөлдер мен 10 бірлік бар үлгі бойынша әрқашан 0 болжаған модель үшін F1 көрсеткішін есептеңіз.
Неліктен F1-скоры орташа дәлдік пен еске алудың орнына пайдаланылады?
Негізгі жұмыс форматыңыз еңбек кодексіне сәйкес болды ма?
Сұрақтарды генерациялау үшін үлкен тілдік модель сирек кездесетін тақырыптарда стильді нашар ұстайды. AI-ассистент барлық тарихи деректер қорының 2 миллион диалогында LoRA-ны дереу іске қосуды ұсынады, бірақ белгілердің бір бөлігі шуылды. Бұл кеңеске қай жерде сенбесіз және бірінші не таңдар едіңіз?
Бизнес маңыздылығы бойынша белгілері бар сұрауларды кластерлеу жобасы туралы айтыңыз.
Неліктен бүгінгі күні VGG архитектурасы қолданылмайды?
RAG үшін қандай embedding моделін таңдау керек?
Неге жоба екі жыл бойы әзірленді, егер сен негізгі бөлігі екі жыл бұрын жасалғанын айтсаң? Қазіргі уақытта жоба қолдауда ма, әлде әрі қарай дамытылды ма?
Компания шешетін өнім мен тапсырмалар туралы сұрақтар бар ма?
Сізде орыс тілінде фильмдер туралы пікірлер мәтіндері мен олардың бинарлы тональдік белгілері бар шағын деректер жиынтығы бар (белгілер: 0 — теріс, 1 — оң). Сіздің міндетіңіз — 15 минут ішінде дайын энкодерлерді қолданбай, қарапайым мәтін классификациясы моделін оқыту үшін толық құбырды жүзеге асыру және осы деректер бойынша дәлдікті (accuracy) шығару. reviews = [ "Бұл фильм керемет!", "Қызметкерлердің ойыны мен қызықсыз сюжет.", "Әр сәттен ләззат алдым!", "Мен көрген ең нашар фильм.", "Тамаша операторлық жұмыс және тамаша оқиға.", "Қиын әрі болжамды скучно." ] labels = [1, 0, 1, 0, 1, 0]
Сурет классификациясында label smoothing дегеніміз не?
Жолдың тұрақтылығы дегеніміз не және оны қалай тексеруге болады (ADF тесті)?