Machine Learning / AI

Waarom ben je vertrokken (vertrek je) bij [bedrijf]?

Hoe bent u tot een specifieke waarde van de confidence score drempel gekomen?

Werk je nu of niet?

Is alles duidelijk voor jou over het product (mediaplannen), of wil je iets verduidelijken?

Hoe zou je nu (met je huidige kennis) het classificatie- en routeringsprobleem in een service desk aanpakken, met een meerlagige aanpak: rule-based → ML → LLM fallback → mens? Noem specifieke technologieën, modellen en metrics.

Welke soorten tokenisatie ken je? Voor- en nadelen van elk.

Was jij de hoofdverantwoordelijke voor Data Science in het team [bedrijf]? Welke benaderingen en technologieën kwamen van jou, en welke werden door de techlead vastgesteld?

Vertel me over regularisatie: wat is het, waar is het voor, welke soorten zijn er.

Vergelijk lineaire en niet-lineaire modellen in klassiek ML — voor- en nadelen.

Is het model opnieuw getraind voor deze taak (niet LLM)?

Vertel kort over het team waarin je hebt gewerkt bij [bedrijf].

Was het in de vorm van een test/pilot of ging het direct naar productie en werden managers gebruikt?

Wat was het product bij [bedrijf] vanuit het perspectief van de gebruiker (documentstroom, gegevensextractie uit КС-2/КС-3/begroting)?

Wat is een gradient vanuit wiskundig oogpunt en hoe wordt het toegepast in machine learning?

Vertel over een project met klassieke ML (geen LLM) waar je trots op bent.

Vertel eens over jezelf, je ervaring en belangrijke projecten (met name het bedrijfs-GPT-systeem bij [bedrijf]).

Hoe hebt u begrepen of het model de gegevens correct classificeerde? Welke acties waren vereist van de manager?

Hoe hebt u de kwaliteit van de gegevensextractie gemeten?