Machine Learning / AI
Pieredze no PIK: NLP klasifikators pieprasījumiem no būvuzņēmējiem/inženieriem. Vai bija daudz pieprasījumu?
Ko šobrīd meklē? Kas ir svarīgi nosacījumu un uzdevumu ziņā?
Kas ir LoRA?
Kādu kļūdas slieksni izmantot apmācības pārtraukšanai?
Kā pieiet datu kopas priekšapstrādei?
Vai pēc tam pārbaudāt kodu, ko ģenerēja AI rīks?
Kāpēc ir nepieciešams samazināt vārdnīcas izmēru? Kāpēc liela vārdnīca ir slikta? Kurā funkcijā notiek slodze?
Vai BERT var izmantot kopā ar klasifikatoru klasifikācijas uzdevumam?
Kas ir stride un padding? Kā tie ietekmē konvolūcijas izvades lielumu?
Pastāstiet par transformatora arhitektūru: encoder-decoder, kas notiek dekoderī?
Kā aprēķināt slimības varbūtību, ja tests ir pozitīvs, ņemot vērā jutīgumu un specifiskumu?
Kas ir fastembed un kāpēc tas ir noderīgs prototipēšanai?
Kādi ir VDB saspiešanas formāti (binārais, skaitliskais kvantums)?
Kas ir dropout un kā tas tiek īstenots?
Kas ir LangGraph un kāpēc būvēt stāvokļa mašīnu aģentiem?
Kādas aizsardzības tiek piemērotas (ievades/izvades filtri, sistēmas prompt stiprināšana, aizsargbarjeras)?
Kas ir foundation modeļi medicīnā (MedSAM, RadGraph)?
Vai nejaušais mežs garantē prognozes noteiktā diapazonā, ja katrs atsevišķais koks neiziet no apmācību parauga?
Kuras prompt inženierijas tehnikas jūs izmantojāt (few-shot, role, CoT, ReAct)?
Kādi ir datu apmaiņas varianti starp klientu un uzņēmuma iekšējo loku?