Machine Learning / AI
Pastāstiet par MobileNet un EfficientNet. Kādas ir katras arhitektūras galvenās idejas?
Kāpēc pirms modeļa testēšanas ir nepieciešams to pārslēgt uz inference režīmu (model.eval())?
Kāda ir atšķirība starp dropout un partijas normalizāciju?
Kāds ir darba režīms komandā?
Kas ir loģistiskā regresija un kā tā darbojas?
Pastāstiet man par lēmumu kokiem: kā tiek būvēts koks un kā notiek prognozēšana (inference)?
Kādi izaicinājumi rodas, segmentējot ļoti plānas struktūras (asinsvadus, ceļus)?
Kuras taisnīguma metriku jūs ņēmāt vērā ražošanā?
Kāda ir atšķirība starp sparse retrieval (BM25) un dense?
Kādi ir problēmas, ja partijas normalizācija atjauno statistiku validācijas laikā?
Kas ir PatchTST?
Kas ir MIG (Multi-Instance GPU) uz A100/H100?
Vai jums nebija pieredzes ar pretizlūkošanas?
Kā tieši BatchNorm izmanto saglabātās statistikas `eval()` režīmā un kāpēc tas ir svarīgi rezultātu stabilitātei?
Kas ir sadales novirze un kā to noteikt (KS-tests, PSI)?
Kas ir beat tracking?
Kas ir novecojušas embeddings un kā ar tiem cīnīties?
Kas notiks, ja vietā kolonnas nosaukuma veicat select 1?
Kā koka dziļums ietekmē modeļa kvalitāti un tā vispārējo spēju?
Kādi ir slazdi, salīdzinot multimodālos modeļus uz bāzes testiem?