Kuo tiksliai susijusi dispersija IPS įvertinime?
Senior
148
Machine Learning / AI
3608
0
Trumpai aprašyk, kaip perpaketuoti RAG patirtį rekomendacijų sistemoms, o tada tipinius klausimus. Ne kaip atsakyti, o kas yra esmė pagal mano patirtį ir CV.
Senior
148
Kaip galime palyginti naudotojo puslapyje rodomą vieną plakatą su tais, kurių jis nematė (dalinė atsiliepimas)?
Senior
148
Pastaruoju metu yra daug neuroninių tinklų — kaip juos naudoji darbe, kaip dažnai ir būtent kaip?
Senior
147
Kaip veikia kontrasto praradimas su neigiamaisiais batch?
Senior
147
Parašykite trumpą savęs pristatymo paragrafą, kuriame pabrėžiate, kad rekomendacijų sistemos labai panašios į RAG - retrieval, re-ranking, architektūriniai panašumai ir kt., kad galėčiau tai prisiminti ir papasakoti.
Senior
146
Įvertinkite, kiek duomenų reikia modelio tolesniam mokymui gamybos aplinkoje, aprašykite tolesnio mokymo procesą, parametrus, nuostolių funkciją (contrastive/triplet) ir kodėl būtent ją pasirinkote.
Senior
145
Ką daryti, jei blokas turi skirtingą turinio kiekį — yra vienetiniai blokai ir blokai su 30 elementų? Kaip dirbti su turinio įvertinimais, kad gauti šio bloko funkciją?
Senior
145
Prašome papasakoti, kas tiksliai buvo tas projektas ir kuo tiksliai užsiiminėjote.
Senior
144
Kaip vyksta FAISS indekso inkrementalinis atnaujinimas gamyboje?
Senior
144
Kas yra elementai? Kaip teisingai ištarti?
Senior
143
# Formuluokite ir parašykite apibrėžimą, kas yra roc auc. # Kaip skaičiuojamas roc_auc_score? # Parašykite funkciją, kuri skaičiuoja roc_auc_score pagal parašytą apibrėžimą. # Ir bet kokio skaičiaus klasių su nurodytu prioritetu? # Modelis veikia taip # y_score[i] >= slenkstis -> y_pred[i] = 1 # y_score[i] < slenkstis -> y_pred[i] = 0 def test_roc_aur_score(): y_true = [0, 0, 0, 1, 0, 0] y_score = [0.2, 0.4, 0.31, 0.6, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0.8 y_true = [0, 1, 0, 0, 0, 1] y_score = [0.7, 0.6, 0.31, 0.31, 0.3, 0.2] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0.375 y_true = [0, 0, 0, 1, 0, 0] y_score = [0.2, 0.4, 0.31, 0.8, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 1 y_true = [0, 0, 0, 0, 0, 0] y_score = [0.2, 0.4, 0.31, 0.8, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0 # Bonus testai daugiaklasėms y_true = [0, 1, 0, 0.5, 0, 1] y_score = [0.7, 0.6, 0.31, 0.31, 0.3, 0.2] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0. y_true = [0, 0.1, 0.2, 0.3, 0.4, 0.6] y_score = [0, 0.1, 0.2, 0.3, 0.4, 0.6] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 1
Senior
143
Kodėl projektas buvo kuriamas dvejus metus, jei sakai, kad pagrindinė dalis buvo padaryta dar prieš dvejus metus? Ar projektas dabar yra palaikymo fazėje ar buvo dar labiau išvystytas?
Senior
143
Kas yra DSSM, žinai?
Senior
143
Teisingai supratau: turime sekiklio, kuris turi vidutinį įvertinimą iš turinio sekiklio blokui užpildyti, yra naudotojo ir bloko požymių, mes paėmėme teigiamą — kas tiksliai?
Senior
143
Kokį darbo formatą svarstote ir kuriame mieste gyvenate?
Senior
142
Papaskinkite apie savo patirtį, kuo užsiėmėte per pastaruosius penkerius metus?
Senior
142
Jei jums būtų suteikta neribota GPU skaičius sistemos kokybei gerinti, į kurią kryptį pirmiausia eitumėte?
Senior
141
# duotas masyvas a = [1, 20, 10, 0, 59, 63, 0, 88, 0] -> [0, 0, 0, 1, 20, 10, 59, 63, 88] # reikia parašyti optimalią funkciją, kuri perkelia nulius į masyvo pradžią ir išlaiko kitų elementų tvarką def move_zeros_to_left(a: List[int]) -> List[int]: pass
Senior
141
Kodėl tada bus mokomas rankeris? Kitaip tariant, jis bus nepriklausomas nuo turinio — koks yra jo tikslas?
Senior
140