Machine Learning / AI
Kā mainās bias, variācija un pārmācība, palielinot koku skaitu nejaušajā mežā un boostingā?
Kas ir warp un kāpēc ir svarīga warp divergence?
Kādi godīguma jautājumi rodas ieteikumos?
Kas ir BYOL un kāpēc tam nav nepieciešami negatives?
Kāpēc funkcija atgriež 0, kad paraugā ir tikai viena klase?
Kā izvairīties no lielu failu apstrādes problēmām Pandas, kas neiederas atmiņā?
Kas ir koplietojama atmiņa un kāpēc to izmantot?
Kā apvienot datus no divām tabulām ar dažādu adreses un cenas aizpildījuma līmeni SQL?
Kā sadalījāt paraugu apmācībai un testēšanai?
Kā novērtēt kopsavilkuma kvalitāti?
Kas ir pamata modeļi laika rindām (Chronos, TimesFM, Lag-Llama)?
Vai ir labi strādāt vienatnē pie projekta?
Cik teorētiski rindas var atgriezt SQL vaicājums?
Kā nodrošināt datu kvalitāti un kādus rīkus un procesus izmantot?
Vai ir iespējams izmantot zināšanas, ka koordinātas ir veselas vai pusveselas, un kā to piemērot?
Kā raksturot nepietiekamu un pārmērīgu mācīšanos bias un variance jēdzienu izpratnē?
Kas jums patīk darbā [uzņēmumā] un kas nepatīk?
Kas ir privātuma budžets?
Ko atgriezt, ja ir vai nav simetrijas ass?
Kādi jautājumi rodas, strādājot ar FastText, sadalot vārdus un veicot stemmingu?