Machine Learning / AI

Kāpēc tu aizgāji (aiziet) no [uzņēmuma]?

Kā jūs nonācāt līdz konkrētai confidence score slieksnim?

Vai tev viss ir skaidrs par produktu (mediju plāniem), vai vēlies kaut ko precizēt?

Vai tu šobrīd strādā vai nē?

Vai šim uzdevumam modelis tika papildu apmācīts (ne LLM)?

Kā tu tagad (ar savām pašreizējām zināšanām) risinātu uzdevumu par pieprasījumu klasifikāciju un maršrutēšanu servisā, izmantojot daudzlīmeņu pieeju: rule-based → ML → LLM fallback → cilvēks? Norādiet konkrētas tehnoloģijas, modeļus un metriku.

Vai jūs bijāt galvenais Data Science komandā [uzņēmums]? Kādas pieejas un tehnoloģijas nāca no jums, un kuras noteica tehniskais vadītājs?

Pastāstiet divos vārdos par komandu, kurā strādājāt [uzņēmumā].

Salīdziniet lineāros un nelināros modeļus klasiskajā ML — plusi un mīnusi.

Kādus tokenizācijas veidus pazīstat? Katras priekšrocības un trūkumi.

Vai tas bija testa/pilota veidā vai tieši ražošanā un to izmantoja vadītāji?

Pastāsti man par regulēšanu: kas tas ir, kam tas ir nepieciešams, kādi ir tās veidi.

Ko pārstāvēja produkts [uzņēmumā] no lietotāja skatpunkta (dokumentu pārvaldība, datu izvilkšana no KS-2/KS-3/izcenojums)?

Kas ir gradients no matemātiskā viedokļa un kā tas tiek izmantots mašīnmācībā?

Pastāstiet par klasisko ML (ne LLM) projektu, ar kuru jūs lepojaties.

Pastāstiet par sevi, savu pieredzi un galvenajiem projektiem (īpaši par uzņēmuma GPT sistēmu [uzņēmumā]).

Kā jūs sapratāt, vai modelis pareizi klasificēja datus? Kādas darbības no vadītāja bija nepieciešamas?

Kā jūs mērojāt datu ieguves kvalitāti?