Machine Learning / AI
Salīdziniet lineāros un nelināros modeļus klasiskajā ML — plusi un mīnusi.
Kad Spark sāk īstenot faktiskos aprēķinus uz datiem?
Kāda bija lielākā kļūdu avots?
Kā algoritmiski darbojas virknes esamības pārbaude setā (hashtabula)?
Kā veici Blue-Green izvietojumu?
Kas tev šobrīd ir vēl svarīgi (izņemot grūtas un interesantas uzdevumus)?
Kāpēc apsver jaunu piedāvājumu? Kas nepatīk tavā pašreizējā pozīcijā?
Kādus datu avotus esat integrējis ML (DWH, Kafka, S3)?
Kas ir intersekcijas taisnīgums?
Vai jūs varētu sīkāk izskaidrot, kas ir precision un recall un kā tie ir saistīti ar F1-score?
Kā jūs novērtējat sevi?
Vai vēlaties veltīt 100% laika kodēšanai vai dod priekšroku citai proporcijai?
Kā mēs apmācām fonēmu klasifikācijas modeli? Kas ir mērķī?
Kā īstenot pieprasījumu maršrutēšanu starp scenārijiem — kādā formā LLM sniedz atbildi un kā tiek izvēlēts scenārijs pēc tās?
Vai jūs varētu sīkāk izskaidrot, kā tieši tiek aprēķināts anti-gradient un kā tas tiek izmantots nākamā koka būvniecībā?
Kā organizēt kontroles grupu (paraugu ņemšanu) riska modeļos?
Vai apsverat bruto algu 300 tūkstošus?
Kāpēc meklējat jaunu darbu un kāpēc atstājāt iepriekšējās darba vietas?
Kā jūs vācu RAG sistēmas kvalitātes metriku? Kādas metriku jūs izmantojāt un kādus rīkus?
Kas vispār pārskatīja tavu kodu, tavu darbu, kas to pārbaudīja?