Waarom lijsten gebruiken om eerdere waarden op te slaan?
Machine Learning / AI
Hoe werkt een willekeurige bos en hoe wordt deze getraind bij een classificatieprobleem?
Als de AUC van een nieuw model 0,82 is tegenover 0,80 bij de oude, kun je dan met vertrouwen zeggen dat de nieuwe beter is? Hoe controleer je de statistische significantie?
Wat is de asymptotische complexiteit bij meerdere doorlopen van de lijst?
Kan de nieuwe model met een F1-score van 0,81 als beter worden beschouwd dan het model met 0,8 en direct in productie worden genomen?
Wat is H(X) in de context van classificatie, bijvoorbeeld entropie?
Hoe meet je de kwaliteit van een binair classificatiemodel? Welke metrics ken je?
Hoe gedragen Precision en Recall zich bij klasse-imbalans? Voorbeeld: 95 eenheden en 5 nullen, het model voorspelt altijd 1.
Moet de bias (w0) geregulariseerd worden? Waarom is w0 überhaupt nodig?
Hoe vergelijk je floating point coördinaten rekening houdend met de kenmerken van float in verschillende talen?
Is het mogelijk om het probleem met het gebruik van de module in de gradient descent goedkoop op te lossen?
Wat is een re-ranker in RAG? Welke modellen gebruiken ze (cross-encoder, bge-reranker)?
Waar houdt u zich buiten mee bezig?
Wat is de ROC-curve?
Hoe beschrijf je de architectuur van het random bosmodel met een toegevoegd lineair model voor extrapolatie?
Wat is het splitsingscriterium in bomen?