Machine Learning / AI
Kā pareizi atjaunināt modeli: nomainīt veco ar jaunu vai izmantot saprātīgāku pieeju?
Kuras slāņus darbojas atšķirīgi mācību un inferenču laikā?
Kas ir ļoti nelīdzsvarotu datu kopu klasifikācija medicīnā?
Kā atšķiras satura filtrēšana no kolaboratīvās filtrēšanas?
Kuri ir datu kvalitātes rīki (Great Expectations, Soda)?
Izskaidrojiet, kā darbojas gradienta pastiprināšanas metode lēmumu kokos.
Kas ir pruning LLM un kādas ir pieejas (magnitude, strukturētas, SparseGPT)?
Kādi ir koka augšanas apturēšanas kritēriji, izņemot dziļuma ierobežojumu?
Kāda ir galīgā asimptotiskā risinājuma sarežģītība?
Kas ir beat tracking?
Kas ir SwiGLU un kādos modeļos šī aktivācija tiek izmantota?
Kā pārbaudīt datu pareizību?
Ko darījāt [uzņēmums]?
Kā mainīsies ROC AUC, dubultojot pozitīvos un negatīvos objektus un kāpēc?
Kas notiek atmiņā, kad Pythonā mainīgā vērtība tiek palielināta par vienu?
Kas ir mērķis detektēšanas uzdevumā un kā veidojas zaudējumu funkcija?
Kuras metriku jālieto, novērtējot jaunu modeli, ieviešot to pilotgrupā?
Kas ir pieredzes atkārtošanas buferis un kam tas ir nepieciešams?
Kādi ir slazdi, salīdzinot multimodālos modeļus uz bāzes testiem?
Kā apstrādāt tekstu: kādas stop vārdus un interpunkciju noņemt, izmantot stemming vai lemmatization?