Machine Learning / AI
Kas ir robota end-to-end apmācība no pikseļa līdz darbībām?
Kādi ir problēmas, veicot A/B testus ML modeļiem (mācību datu atsauksmes cilpa)?
Kas ir ģeneratīvie molekulu modeļi?
Kādi praktiski triki paātrina transformatoru inferenci (spekulatīvā dekodēšana, medusa)?
Kas ir Thompson sampling un UCB?
Kas ir beam search un kāpēc to reti izmanto atvērtās generācijas gadījumā?
Kā mērīt modeļa kvalitāti bez apmācības?
Kas ir IoU un kādi ir tā galējie gadījumi?
Kas ir OSM un kā no tā izvilkt labels?
Kādi ir AutoML izaicinājumi ražošanā (atkārtojamība)?
Kāda ir ROC-AUC varbūtības interpretācija?
Kā aprēķināt vecumu gados starp pašreizējo datumu un dzimšanas datumu Python?
Kurš modelis būsiski negatīvāks, noņemot pirmo koku: boosting vai bagging?
Kādu mācīšanās ātrumu būtu jāizmanto lielam partijas izmēram un kādu mazam? Kādas noteikumus (līnijas mēroga noteikumu) jūs zināt?
Kas ir koalescēta atmiņas piekļuve?
Kad deep learning uzvar GBDT tabulas datos?
Vai jūs kādreiz esat strādājis ar izstrādes metodēm?
Kādā diapazonā tiek noteikti modeļa hiperparametri?
Kas ir hard negative mining reitingā?
Kas ir saite prognoze un kādas arhitektūras tās izmanto?