Kokie metodai yra prieinami kovojant su per dideliu mokymusi neuroniniuose tinkluose?
Machine Learning / AI
Kas yra overfitting?
Kas yra ROC-AUC? Kaip kuriama ROC kreivė, ką vaizduoja ašys?
Ar galima naudoti žinojimą, kad koordinatės yra sveikos arba pusiau sveikos, ir kaip tai taikyti?
Ar galima saugoti tik reikšmes be sąrašų?
Kodėl reikalingas duomenų didinimas?
Kodėl boolean tipas netinka nulinių skaičiui patikrinti?
Kaip efektyviai patikrinti, ar yra atspindžio pora taškų su priešingu x?
Parašykite Log Loss (dvinariškos kryžminės entropijos) formulę.
Kaip skaičiuojamos mikro ir makro vidurkio metrikos?
Kaip įgyvendinti dviejų sąrašų sujungimą naudojant while ciklą, kai sąrašai turi skirtingą ilgį?
Pasirinkite mašininio mokymosi algoritmą klasifikacijos užduočiai, kuriuo pasitikite?
Ar per ML pokalbio galima užduoti klausimus apie duomenų struktūras, pavyzdžiui, medžius ir susietus sąrašus?
Kokia yra galutinė asimptotinė sprendimo sudėtingumas?
Kodėl F1 balas laikomas tikslumo ir atgavimo harmoniniu vidurkiu, o ne aritmetiniu?
Kokios kliūtys kyla naudojant RAG pokalbių scenarijuje (dialogo kontekstas, istorija)?
Kokiose užduotyse CoT padeda, o kokiose sugadina kokybę?