Kā mēs sadalām datus krustpārbaudes validācijai?
Machine Learning / AI
Vai jūs pats ieviesāt savus modeļus ražošanā?
Vai jūs varat izskaidrot, kā darbojas Early Stopping? Vai to var piemērot klasiskajā mašīnmācībā?
Vai esi strādājis ar Docker, MLflow, Airflow?
Kā tiek mērīta vārdu iekļaušanas tuvība?
Kādi ir eksperimenta klasterizācijas metodes (klasteru nejauša sadale)?
Tātad, nekur darba vietā tev nav bijis end-to-end izstrādes cikls no datu vākšanas līdz pārdošanai?
Kā izpaužas vāji modeļi?
Kā organizēt automātisku datu vākšanu un apmācību ar Airflow?
Kāpēc jūs atstājat savu pašreizējo darbu?
Pastāstiet par Random Forest: mācīšanās mehānisms, kā veidojas koki, kā tiek veikta prognoze klasifikācijas uzdevumiem?
Kādi ir AutoML ierobežojumi lieliem datiem?
Kā darbojas konvolūcijas slānis?
Kā īstenot automātiskās zvanu noraidīšanas loģiku, ja lietotājs saņem vairāk nekā 10 zvanus 15 minūšu laikā?
Pastāstiet man par Batch Normalization: kas tas ir un kāpēc tas ir nepieciešams?
Pastāstiet par transformatora arhitektūru: encoder-decoder, kas notiek dekoderī?
Pastāstiet par lineārās regresijas algoritmu: kā tas darbojas, kas tiek apmācīts un vai ir analītisks risinājums?
Kuras gradient boosting realizācijas tu zini?
Kas ir bagging?