Be F1 ir recall, kokias matricas buvo naudojamos klasifikatoriui įvertinti?
Machine Learning / AI
Kaip įvertinote palaikymo bilietų klasifikavimo sistemos pasirengimą diegimui?
Kas yra topic Kafka?
Ar turėjote lentelinius modelius gamyboje?
Kokias metrikas stebėtumėte po modelio diegimo į gamybą: paslaugų, duomenų ir modelio?
Aprašykite savo patirtį dirbant su Docker: kaip supakuoti ir įdiegti ML paslaugą?
Kas yra partition Kafka?
Kokias metrikas naudotumėte agentams skirtų potencialių klientų paskirstymo sistemos vertinimui?
Papaskinkite, ką žinote apie paieškos, reitingavimo, rekomendacijų ir personalizacijos užduotis.
Kaip normalizuoti įvertį, kad naujas agentas be istorijos taip pat gautų potencialių klientų ir galėtų parduoti?
Lidų uždarymo rodiklis yra 5%, keli šalys ir agentai. Kaip naudoti ML, kad nustatytumėte, kuriam agentui paskirti naują leadą?
Papaskinkite apie save ir savo patirtį kaip ML inžinierius.
Kaip paaiškintumėte šį sprendimą suinteresuotosioms šalims be statistinės parengties?
Kodėl siūlote naudoti CatBoost šiai užduočiai?
Kaip įvertintumėte savo patirtį lenteliniame ML, palyginti su NLP ir LLM?
Agentas A uždarė 7 iš 70 potencialių klientų, o agentas B — 2 iš 3. Kaip sąžiningai juos palyginti?
Papaskokite apie atvejį, kai modelis gerai veikė nešiojamame įvertinime, bet blogai veikė gamyboje: kas įvyko ir ką padarėte?
Kokia yra bazinė linija ir koks galutinis modelio kandidatas pasirinksite šiai užduočiai?
Kokia jūsų patirtis su Microsoft Azure ir ar galite ten įdiegti sprendimą?
Kaip dirbote su klasėmis, kurioms buvo labai mažai pavyzdžių?