Kokios yra technikos dirbant su labai retais duomenimis?
Machine Learning / AI
Kaip klientas gali suprasti, kad savybė nėra reikšminga, nesinaudodamas savybių svarbos modelyje juodojoje dėžėje?
Kas yra kaimynystės agregacija ir kokias funkcijas naudoja (vidurkis, suma, max, LSTM)?
Kokios yra internetinės rekomendacijų vertinimo ypatybės (CTR, konversija)?
Kaip dropout padeda išvengti per didelį mokymąsi neuroniniuose tinkluose?
Kas greičiau, ieškoti žodyne ar sąraše, ir kodėl?
Kokios reguliavimo metodai yra ne linijiniams modeliams?
Kokios reguliacijos metodai taikomi neuroniniams tinklams?
Kokios yra OCR gamybos problemos (žema raiška, iškraipymai, šešėliai)?
Ar galima garantuoti, kad linijinė regresija prognozuoja reikšmes nurodytame diapazone bet kokiems įėjimo duomenims?
Kuo skiriasi linijinė regresija nuo kitų metodų dirbant su kategorinėmis savybėmis?
Kas yra asimptotinė sudėtingumas O- didelis ir Omega- didelis?
Kas yra įvairovė ir Maksimali Ribinė Reikšmė (MMR)?
Kas yra užklausų žurnalo kasyba ir kokius signalus jie išskiria?
Kas yra A/B testavimas ML modeliams ir kurios verslo metrikos yra svarbios?
Kas yra Tensor Cores ir kokias operacijas jie pagreitina?
Ar reikia skalę ženklais linijinei regresijai ir kitiems modeliams?
Kuo ELMo įterpimai skiriasi nuo BERT?
Kas yra SentencePiece ir kodėl jis reikalingas kalboms be aiškių skyriklių?
Kuo skiriasi prompting instrukcinių modelių ir pagrindinių LM?