Machine Learning / AI
Over de ervaring bij PIK: NLP-classificator van aanvragen van aannemers/ingenieurs. Waren er veel aanvragen?
Wat ben je nu aan het zoeken? Wat is belangrijk qua voorwaarden en taken?
Wat is LoRA?
Welke foutdrempel moet worden gebruikt om de training te stoppen?
Hoe pak je de preprocessing van de dataset aan?
Controleer je later de code die door de AI-tool is gegenereerd?
Waarom moet de grootte van het woordenboek worden verminderd? Waarom is een groot woordenboek slecht? In welke functie vindt de belasting plaats?
Kan BERT samen met een classifier worden gebruikt voor een classificatietaak?
Wat zijn stride en padding? Hoe beïnvloeden ze de grootte van de uitvoer van de convolutie?
Vertel over de transformer-architectuur: encoder-decoder, wat gebeurt er binnen de decoder?
Hoe bereken je de kans op ziekte bij een positieve test, rekening houdend met sensitiviteit en specificiteit?
Wat is fastembed en waarom is het handig voor prototyping?
Welke compressieformaten (binair, scalare kwantisatie) zijn er in VDB?
Wat is dropout en hoe wordt het geïmplementeerd?
Wat is LangGraph en waarom een state machine bouwen voor agenten?
Welke beveiligingen worden toegepast (invoer/output filters, systeemprompt-hardening, guardrails)?
Wat zijn foundation-modellen in de geneeskunde (MedSAM, RadGraph)?
Verzekert een random forest voorspellingen binnen een bepaald bereik, als een enkele boom niet buiten de trainingsset treedt?
Welke technieken voor prompt engineering heb je toegepast (few-shot, role, CoT, ReAct)?
Wat zijn de opties voor gegevensuitwisseling tussen de klant en de interne kring van het bedrijf?