Machine Learning / AI
Kas yra pageidautina skaičiavimo grafo požiūriu: dinamiškas ar statinis?
Kas yra self-refine prompting?
Kaip jaučiatės dėl klasikinių backend užduočių (PostgreSQL, Django), išskyrus AI/API užduotis?
Kaip kovoti su datalakes naudojant target encoding?
Kaip paruošti pageidavimų duomenų rinkinį DPO?
Kas yra embedding?
Kas yra OCR ir kokie yra pipeline etapai (detekcija → atpažinimas)?
Kam naudinga yra sprendimų medžio genėjimas?
Kaip stebėti modelį gamyboje? Su kokiomis problemomis jis gali susidurti?
Kaip veikia dėmesio mechanizmas transformatoriuose?
Kaip naudoti klausimų ir atsakymų bazę naudingo asistento kūrimui?
Kokius objektus galima pridėti į rinkinį? Kokios sąlygos taikomos elementams?
Kas yra stemming ir lemmatization IR?
Ar yra skirtumas sudėtinių indeksų kūrimo metu atributų tvarkoje ir kaip pasirinkti tvarką?
Kuo skiriasi WHERE ir HAVING SQL ir kodėl naudoti HAVING po GROUP BY?
Kiek laiko užtruko projektas?
Kada naudoti cross-encoder, o kada bi-encoder paieškoje?
Kokias užduotis sprendžia ML miesto planavime?
Kodėl anomalių aptikimo užduočiai pasirinktas DBSCAN, o ne klasifikacija?
CLIP: idėja, nuostolių funkcija, mokymo metodas, kam jis naudojamas. Kokias atstumo matricas tarp įterpimų galima naudoti ir kurias naudojo autoriai?