Hoe gaan we de dataset samenstellen om deze ranker te trainen?
Machine Learning / AI
Er is nog wat tijd — laten we proberen de ROC-AUC-oplossing optimaal te herschrijven (door sorteren en rangschikken in O(n log n))?
Wat is het verschil tussen list en tuple?
Laten we boosting als model, of hoe?
Bovendien moet de kwaliteit van de speler waarschijnlijk online worden beoordeeld: als een gebruiker is begonnen met kijken, hoeveel heeft hij gezien?
Wat bedoel je precies met diepte: scrollen op de pagina of scrollen in het blok?
Aanbevelingen voor blokken op de hoofdpagina van de online bioscoop Schrijf een plan voor het oplossen van de producttaak, van het overzicht van de vereiste gegevens tot training, testen en implementatie van het model (of, indien mogelijk, zonder ML - zonder model). Op de hoofdpagina van de online bioscoop is er een hoofdpagina. Het bestaat uit verschillende blokken. Er is een catalogus van blokken. De blokken kunnen verschillende hoeveelheden inhoud bevatten. Er is een kant-en-klare filmadviseur, dat wil zeggen een catalogus van films gerangschikt op relevantie. Het is nodig om een gepersonaliseerde aanbevelingsblok en een algoritme voor de toepassing ervan te ontwerpen, dat voldoet aan de bedrijfsregel - één inhoud op de hoofdpagina tonen één keer.
Wat is het verschil tussen self-attention en cross-attention?
Wat is precisie?
Wat is het verschil tussen self-attention in de encoder en self-attention in de decoder?
Overweeg je de mogelijkheid van remote werken qua locatie?
Je hebt de term 'PropNail/TopNail Optimization' gebruikt — wat is dat?
Hoe zou je dit probleem oplossen? Welke algoritme/benadering zou je gebruiken?
Wat is de offline-metriek NDCG?
Wat zou de QPS zijn als we ervan uitgaan dat er op een pagina N films (posters) worden weergegeven per verzoek?
Hoe moeilijk zal het over het algemeen zijn om je aan de tijdzone aan te passen?
Wat beschouwen we als positief en negatief bij het trainen van een tweekoppige netwerk, en welke loss wordt gebruikt?
Vertel me meer over FAISS: hoe is de index opgebouwd, hoe wordt deze gedeployed, hoe werkt het end-to-end systeem?
Kun je uitleggen hoe off-policy evaluatie werkt (bijvoorbeeld IPS of Double Robust) die je noemde?
Hoe zou dit theoretisch werken in boosting als de target minus één is? Stel dat we positieve en negatieve hebben, als we voor positief een target van 10 in plaats van één instellen, wat zou er gebeuren, verandert er dan niets?