Jak dzielimy dane na walidację krzyżową?
Machine Learning / AI
Czy sam wdrażałeś swoje modele na produkcję?
Czy możesz wyjaśnić, jak działa Early Stopping? Czy można go zastosować w klasycznym uczeniu maszynowym?
Czy pracowałeś z Docker, MLflow, Airflow?
Jak mierzona jest bliskość między osadzeniami słów?
Jak objawiają się słabe modele?
Dlaczego odchodzisz z obecnego miejsca pracy?
Czyli w żadnej pracy nie miałeś cyklu rozwoju end-to-end od zbierania danych do sprzedaży?
Jakie są metody klasteryzacji eksperymentu (losowe przydzielanie do grup)?
Opowiedz o Random Forest: mechanika uczenia, jak są tworzone drzewa, jak dokonywane jest przewidywanie dla zadań klasyfikacyjnych?
Jak zorganizować automatyczne zbieranie danych i szkolenie za pomocą Airflow?
Jakie są ograniczenia AutoML przy dużych danych?
Opowiedz o architekturze transformatora: encoder-decoder, co dzieje się wewnątrz dekodera?
Jakie implementacje gradient boosting znasz?
Czym jest bagging?
Jak zaimplementować logikę automatycznego odrzucania połączeń, gdy od użytkownika przychodzi więcej niż 10 połączeń w ciągu 15 minut?
Opowiedz o Normalizacji wsadowej: czym jest i dlaczego jest potrzebna?
Jak działa warstwa konwolucyjna?
Dlaczego regularizacja L1 skłania do zerowania wag, a L2 nie? Jak to jest matematycznie wyprowadzone?