Machine Learning / AI
Wat is Kafka?
Vertel over je eerste baan: met welke taken en projecten moest je werken, welke tools heb je gebruikt?
Hoe lossen we een lineair regressieprobleem op als we geen expliciete formule gebruiken?
Wat zouden de selectiecriteria zijn als er meerdere aanbiedingen binnenkomen?
Wat toont de PR-AUC en wanneer is het zinvol om het toe te passen?
Wat is data leakage en waar komt het vandaan?
Hoe verschilt stochastisch gradient descent van de klassieke?
Waarom heb je besloten DОМ.РФ te verlaten?
Vertel me meer over FAISS: hoe is de index opgebouwd, hoe wordt deze gedeployed, hoe werkt het end-to-end systeem?
Ben je ooit in aanraking gekomen met een willekeurig bos (op werk of school)? Wat zijn de belangrijkste verschillen tussen een willekeurig bos en boosting?
In dit schema, als de gebruiker het woord "hallo" schrijft, gaat het naar RAG en krijgt het een antwoord via RAG met het woord "hallo". Hoe kunnen we dit zien/voorkomen?
Wil je specifiek blijven bij Node.js en React, of ben je bereid voor een andere stack (in de context van ML)?
Hoe bouw je een kwalitatieve vragen- en antwoordpool voor systeembeoordeling?
Waarom heb je precies twee agenten gekozen? Waarom niet één of meer?
Vertel me over het team: aantal mensen, rollen, processen, taakverdeling.
Je bent verantwoordelijk geweest voor de ontwikkeling van een richting. Vertel eens, wat heb je nog meer kunnen bijdragen als enige bijdrager?
Dus dit zijn verzoeken van gebruikers, natuurlijke/juridische personen?
Welke kwetsbaarheden bestaan er in multi-agent LLM-systemen?
Hoe interpreteer je de coëfficiënten in lineaire regressie?
Aan welk stadium van de ontwikkeling van de AI-agent heb je deelgenomen: modelbouw of MLOps?