Ar galite paaiškinti, kaip veikia Early Stopping? Ar jį galima taikyti klasikiniame mašininiame mokyme?
Machine Learning / AI
Ar pats savo modelius paleidote į gamybą?
Ar kada nors teko dirbti su asinchroniškumu?
Kaip matuojama žodžių įterpimų artumas?
Ar dirbote su Docker, MLflow, Airflow?
Kaip organizuoti automatinį duomenų rinkimą ir mokymąsi naudojant Airflow?
Kodėl paliekate savo dabartinę darbo vietą?
Papaskinkite apie Random Forest: mokymosi mechanizmas, kaip formuojami medžiai, kaip atliekama prognozė klasifikacijos užduotims?
Kokios yra AutoML ribos dideliems duomenims?
Kokie yra eksperimento klasterizacijos metodai (klasterizacijos atsitiktinė paskirstymas)?
Kaip pasireiškia silpni modeliai?
Taigi, niekur darbovietėje neturėjote end-to-end vystymo ciklo nuo duomenų rinkimo iki pardavimo?
Kaip veikia konvoliacinis sluoksnis?
Papasakokite apie Batch Normalization: kas tai ir kodėl tai reikalinga?
Kas yra bagging?
Kokias gradient boosting įgyvendinimus žinai?
Papaskinkite apie transformatoriaus architektūrą: encoder-decoder, kas vyksta dekoderyje?
Kaip įgyvendinti automatinio skambučių atmestinimo logiką, kai naudotojo per 15 minučių gaunama daugiau nei 10 skambučių?
Kaip struktūruoti darbą nuo užduočių formulavimo?