Python

Kokį vaidmenį atlieka kiekvienas komponentas Uvicorn + Nginx + Python taikinyje?

Ar yra planų artimiausioje ateityje dėl plėtros? Galbūt norite išmokti naują įrankį?

Ar vis dar dirbate [organizacija]?

Ar ta pati ML paslauga atliko duomenų praturtinimą iš išorinių šaltinių ir paleido modelį viduje, ar šios funkcijos buvo padalytos tarp paslaugų?

Kaip norėtumėte toliau tobulėti?

Papaskinkite apie savo patirtį integruojant ML/AI API — ar dirbote su OpenAI ar kitais modeliais?

Ar ketinate toliau mokytis, pavyzdžiui, įstoti į magistrantūrą?

Kaip dirbote su Kafka? Ką suteikia Kafka skaidymas iš veikimo efektyvumo perspektyvos?

Kafka turi 10 dalijamų temą. Mes pridėjome dar vieną vartotojo repliką, bet našumas nepadidėjo. Kodėl ir ką daryti?

Kokie yra pagrindiniai OOP principai?

Aprašykite techninę balų skyrimo platformos komponento architektūrą, kuris sąveikauja su ML modeliu: paslaugų ir atsakomybės skirstymas, jų tarpusavio komunikacija ir jūsų asmeninis indėlis.

Kaip du paslaugos bendradarbiavo per Kafka: kas vyko įėjime ir išėjime, kaip užklausa keliavo per pipeline iki sprendimo dėl patvirtinimo ar atmetimo?

Paleidus Flask programą su `python main.py`, konsolėje pasirodo įspėjimas, kad tai nėra skirta gamybai. Ką tai reiškia, kodėl tai atsiranda ir kaip su tuo gyventi?

Kas nutiks su Kafka žinute po to, kai ją perskaitys vartotojas: ar ji toliau bus saugoma?

Kiek modelių buvo naudota skoringo procese? Ar buvo nemodeliniai, empiriniai skoringo taisyklės?

Kas yra lambda funkcija ir kaip ji skiriasi nuo įprastos funkcijos?

Kaip buvo suorganizuotas talpyklos sluoksnis, kokios optimizacijos ypatybės buvo taikytos jūsų specifiniam atvejui?

Ką dabar norėtumėte sau rasti, kas yra įdomu ir svarbu renkantis būsimą darbdavį?

Papaskinkite apie paslaugų sąveiką per REST ir Kafka — kokiais atvejais naudojote kiekvieną požiūrį?

Kokią biblioteką naudojote sąveikai su Kafka ir kodėl pasirinkote ją vietoj įprastos Kafka bibliotekos?