Kaip formuosime duomenų rinkinį šio rankerio mokymui?
Machine Learning / AI
Dar dar yra šiek tiek laiko — pabandykime optimizuotai perrašyti ROC-AUC sprendimą (per rūšiavimą ir rangus O(n log n))?
Kuo skiriasi sąrašas ir tuple?
Paliekame boosting kaip modelį, ar kaip?
Be to, tikriausiai grotuvo kokybė turėtų būti įvertinta internetu: jei vartotojas pradėjo žiūrėti, kiek jis žiūrėjo?
Ką tiksliai reiškia giluma: puslapio slinkimas ar bloko slinkimas?
Kuo skiriasi self-attention ir cross-attention?
Rekomendacijos blokams pagrindiniame interneto kino teatro puslapyje Parašykite sprendimo planą produktų užduočiai nuo reikiamų duomenų apžvalgos iki modelio mokymo, testavimo ir diegimo (arba, jei įmanoma, be ML - be modelio). Interneto kino teatro pagrindiniame puslapyje yra pagrindinis puslapis. Jis susideda iš skirtingų blokų. Yra blokų katalogas. Blokuose gali būti skirtingas turinio kiekis. Yra paruoštas filmų rekomendatorius, tai yra, katalogas filmų, išrikiuotų pagal aktualumą. Reikia sukurti personalizuotą rekomendacijų bloką ir jo taikymo algoritmą, kuris atitiktų verslo taisyklę - parodyti vieną turinį pagrindiniame puslapyje tik kartą.
Kas yra tikslumas?
Ar svarstai nuotolinio darbo galimybę pagal vietą?
Kuo skiriasi self-attention encoder'yje ir decoder'yje?
Kaip išspręstum šią užduotį? Kokį algoritmą/požiūrį naudotum?
Kas yra terminas 'PropNail/TopNail Optimization', kurį naudojote?
Kas yra offline NDCG metrika?
Koks būtų QPS, jei atsižvelgtume, kad viename puslapyje rodomi N filmų (plakatų) už vieną užklausą?
Kiek apskritai bus sunku prisitaikyti prie laiko juostos?
Ką laikome teigiamu ir neigiamu mokant dviejų galvų tinklą, ir kokia praradimo funkcija naudojama?
Papaskink apie FAISS: kaip sukonstruotas indeksas, kaip diegiama, kaip veikia end-to-end sistema?
Kaip tai teoretškai veiktų boosting'e, jei tikslas būtų minus vienas? Tarkime, turime teigiamą ir neigiamą, jei teigiamam nustatome tikslą 10 vietით 1, kas nutiktų, niekas nesikeistų?
Ar galite paaiškinti, kaip veikia off-policy įvertinimas (pavyzdžiui, IPS ar Double Robust), kurį minėjote?