Machine Learning / AI
Kas rūpinosi diegimu į gamybą ir kokie buvo projekto sėkmės rodikliai?
Kaip paaiškintumėte rekomendacijų sistemą fizikos mokytojui (ne techniniam vartotojui)?
Kokios yra jūsų finansinės lūkesčiai?
Kodėl MAE yra mažiau jautrus išskirtinėms reikšmėms nei MSE?
Kuo skiriasi batch normalization ir layer normalization? Kada naudoti kurią?
Kas yra atsitiktinumo nukrypimo modeliai?
Kokius framework'us naudoja KG (Neo4j, Stardog, Amazon Neptune)?
Kokiose srityse dirbote su ML? Ar reikėjo treniruoti modelius ir jei taip, kokias architektūras?
Aprašykite paskutinę išspręstą ML užduotį pagal schemą: tikslas, duomenys, kokybės matas, ML algoritmas ir rezultatas
Kiek įrankių turėjo ReAct agentas?
Kaip pažymėti garso duomenis?
Ką daryti, jei užklausa visiškai nesusijusi su jokia scena (pavyzdžiui, 'labas' ar spam)?
Kaip veikia sprendimų medžiai ir kas vyksta, jei nėra apribojimų?
Papaskink apie nekilnojamojo turto rinkos vertės įvertinimo modelį: esmė, duomenys, taikymas.
Pasiūlykite variantą, kaip sukurti užduočių rekomendacijų sistemą mokiniui švietimo platformoje.
Papaskink apie vektorinės duomenų bazes, kurios yra, kuo jos skiriasi, kodėl pasirinkote pgvector?
Kas yra hibridinė paieška Qdrant ir kaip sujungti dense + sparse?
Papaskink apie LLM generavimo parametrus: temperatūrą, top-k, top-p ir kitus.
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 partition Kafka?