Machine Learning / AI
Kan een classificatieprobleem worden opgelost met lineaire regressie (zonder de sigmoid)?
Er zijn veel hyperparameters van de optimizer, 10.000 experimenten, weinig tijd maar veel middelen. Welke benaderingen zijn er om de optimale combinatie te vinden?
Wat deden ze met de metrics nadat ze waren ontvangen?
Vertel over het project bij PIK — was het team groter, of hoe was dat?
Je bent verantwoordelijk geweest voor de ontwikkeling van een richting. Vertel eens, wat heb je nog meer kunnen bijdragen als enige bijdrager?
Hoe interpreteer je de coëfficiënten in lineaire regressie?
Heb je je eigen modellen in productie gezet?
Wat is het verschil tussen fine-tuning en few-shot prompting? Wat en wanneer kiezen?
Vertel over jezelf en je relevante technische ervaring (projecten in de banksector: ML-modellen, anti-fraude, RAG, multi-agent systemen).
Backend, in welke taal programmeerde hij? In Python?
Aan welk stadium van de ontwikkeling van de AI-agent heb je deelgenomen: modelbouw of MLOps?
""" Schrijf een functie die bepaalt of de meegegeven string een palindroom is (lees hetzelfde van links naar rechts en van rechts naar links). Voorbeelden van palindromen: - Kazak - A rosa упала на лапу Азора - Do geese see God? - Madam, I'm Adam Beperkingen qua geheugen O(1). """
Dus je bent zelf uit het bedrijf gestapt?
Hoe kunnen we omgaan met het feit dat het oude weergavebeleid mogelijk niet optimaal is, zelfs als we propensity gebruiken — hier helpt propensity niet echt?
Is het model opnieuw getraind voor deze taak (niet LLM)?
Hoeveel mensen deden er mee aan de stage?
Wordt de steekproef gevormd op basis van bepaalde tijdsperioden of wordt deze over de hele periode genomen?
Heeft u één model voor alle agenten gebruikt of verschillende?
Heb je met Spark gewerkt? Wat is je algemene idee over wat het is?
Als we het hebben over het minimumloon?