Machine Learning / AI
No kā ir atkarīga algoritmu sarežģītība, kas ir atkarīga no n vai k, un no kā tā ir atkarīga?
Kas ir CTC zaudējums OCR?
Kas ir TPR un FPR? Kā tie ir saistīti ar precizitāti un recall?
Kā iegūt teksta iekļāvumus, kas tiks kā ievade transformatoram?
Kā izmantot BERT SQuAD stila QA uzdevumā?
Kā nejaušais mežs samazina atsevišķu koku ietekmi uz galīgo prognozi?
Kura metrika ir svarīgāka: precizitāte vai recall, atkarībā no uzdevuma?
Kas ir OOV tokens un kā ar to cīnās apakšvārdu tokenizācija?
Kāda ir atšķirība starp self-attention un cross-attention, un kam katrs tiek izmantots?
Kādas ir alternatīvas CLIP (SigLIP, EVA-CLIP)?
Kādus raksturlielumus izmanto klasiskajos NLP modeļos (TF-IDF, n-grammas, rakstzīmju n-grammas)?
Kas ir Dropout un kā tas uzvedas apmācības un inference laikā?
Kas ir gradienta pastiprinājums? Kur parādās gradients?
Kādi ir ES AI likuma prasības augsta riska sistēmām?
Kā saprast, vai modelis ir nepietiekami apmācīts vai pārmācīts?
Kādi ir Sigmoid aktivizācijas funkcijas trūkumi? Kur tā tiek izmantota un kā to interpretēt?
Sīkāk izskaidrojiet daudzgalvaino uzmanību: kas ir Q/K/V, kā tiek aprēķināti uzmanības svari, kāpēc ir vairākas galvas.
Kas ir modeļa dokumentācija (modeļa karte, datu lapas)?
Vai Hugging Face modeļi saprot īsas saīsinājumus?
Kā tiek noteikti ROC-AUC aprēķinam nepieciešamie sliekšņi?