Machine Learning / AI
Kas notiks, ja dzēsīsim pirmo vai pēdējo koku boostingā?
Kādi datu tipi ir piemēroti kā vārdnīcas atslēga Python un kāpēc?
Kas ir pārmācība? Kādi ir veidi, kā ar to cīnīties?
Kā tiek izvēlēts slieksnis un kāds kritērijs tiek izvēlēts?
Kādi var būt slazdi datu normalizēšanā, lai risinātu nejaušās meža ekstrapolācijas problēmu?
Kādi ir mūsdienu TTS modeļi (Tortoise, XTTS, StyleTTS2, ElevenLabs)?
Kādi ir slazdi, veidojot KG no nestrukturēta teksta?
Kas notiks ar katra modeļa kvalitāte, ja izdzēsīsim pirmo uzbūvēto koku gradient boosting un nejaušās meža modeļos ar 1000 kokiem?
Kādas ir atšķirības starp autoregresīvajiem un maskētajiem valodas modeļiem?
Kuras daudzklasifikācijas metrikas jūs zināt? To plusi un mīnusi (macro, micro, weighted).
Kā būtu jāizskatās struktūrai, lai apmācītu transformatoru atpazīt specializēto terminoloģiju?
Kas ir ROC līkne?
Kā salīdzināt dažādu pakalpojumu sniedzēju un pašhostēto risinājumu inference izmaksas?
Kā pārvērst priekšmetus embedos un ieteikt tos pēc to?
Kas ir raksturlielumu daudzkollinearitāte? Kāpēc tā ir bīstama un kā to noteikt?
Kāpēc neironu tīklos reti izmanto sigmoīdu kā aktivizācijas funkciju?
Kā apstrādāt trūkstošās vērtības un kategorijas īpašības pirms modeļa apmācības?
Kas ir meta-mācītāji (S-learner, T-learner, X-learner, R-learner)?
Kā atšķiras INT8 kvantizācija no INT4?
Kas ir p-vērtība un kam tā ir nepieciešama?