Kā jūs novērtējāt atbalsta biļešu klasifikācijas sistēmas gatavību izvietošanai?
Machine Learning / AI
Papildus F1 un recall, kādas metriku tika izmantotas klasifikatora novērtēšanai?
Vai jums ir bijušas tabulas modeļi ražošanā?
Kas ir topic Kafka?
Kuras metriku jūs uzraudzītu pēc modeļa izvietošanas ražošanā: pakalpojumu, datu un modeļa?
Aprakstiet savu pieredzi ar Docker: kā iepakot un izvietot ML pakalpojumu?
Kas ir partition Kafka?
Kuras metriku jūs izmantotu, lai novērtētu līderu piešķiršanas sistēmu aģentiem?
Pastāstiet mums, ko jūs zināt par meklēšanas, rangēšanas, ieteikumu un personalizācijas uzdevumiem.
Pastāstiet par sevi un savu pieredzi kā ML inženieris.
Līderu slēgšanas rādītājs ir 5%, vairākas valstis un aģenti. Kā ar ML palīdzību noteikt, kuram aģentam piešķirt jaunu līderi?
Kā normalizēt rezultātu, lai jauns aģents bez vēstures arī saņemtu potenciālos klientus un varētu pārdot?
Kā jūs izskaidrotu šo lēmumu ieinteresētajām pusēm bez statistiskas sagatavotības?
Kāpēc ieteicat izmantot CatBoost šim uzdevumam?
Kā jūs novērtētu savu pieredzi tabulas ML salīdzinājumā ar NLP un LLM?
Aģents A aizvēra 7 no 70 potenciālajiem klientiem, un aģents B — 2 no 3. Kā godīgi salīdzināt viņus?
Pastāstiet par gadījumu, kad modelis labi darbojās offline novērtējumā, bet slikti veicās ražošanā: kas notika un ko jūs darījāt?
Kāda ir bāzes līnija un kāds ir galīgais modeļa kandidāts šīs uzdevuma izvēlei?
Kāda ir jūsu pieredze ar Microsoft Azure un vai jūs varat tur izvietot risinājumu?
Kā jūs strādājāt ar klasēm, kurām bija ļoti maz piemēru?