Opowiedz mi o ofercie pracy
Machine Learning / AI
Opowiedz więcej o FAISS: jak jest zbudowany indeks, jak jest wdrażany, jak działa system end-to-end?
Dlaczego funkcja zwraca 0, gdy w próbce jest tylko jedna klasa?
Opowiedz, jak działa re-ordinator — zagłębiałeś się w szczegóły czy używałeś go jako gotowego elementu inżynieryjnego?
Jak bardzo będzie interesujące zagłębić się w systemy rekomendacji?
Jak działa dwupoziomowy i dwubashenny system rekomendacji oraz do czego jest potrzebny?
Proszę opowiedzieć, dlaczego obecnie szukasz pracy?
Czy możesz wyjaśnić, jak działa ocena off-policy (np. IPS lub Double Robust), którą wspomniałeś?
Jak wybrali model dla osadzeń? Czy były filtracje dokumentów i etap re-ranking?
Czy możesz opowiedzieć więcej? (o ochronie systemu RAG przed halucynacjami)
Wyjaśnij w dwóch słowach, czym różni się podejście Double Robust od IPS — co jest dodawane i co czyni je silniejszym i bardziej odpornym?
A jak to będzie działać teoretycznie w boosting, jeśli celem jest minus jeden? Załóżmy, że mamy pozytyw i negatyw, jeśli ustawimy cel na 10 zamiast 1 dla pozytywu, co się stanie, nic się nie zmieni?
Wydawało nam się, że w połowie rozmowy użyłeś asystenta, odpowiadając na pytanie teoretyczne o LangGraph. To prawda czy nie?
Nie rozumiem, dlaczego nie możemy wszystkiego robić online — jakie są tutaj naprawdę ograniczenia? Do czego służy wstępne obliczanie?
Czy możesz wyjaśnić prostymi słowami różnicę między Recall a MRR?
Wyjaśnij, dlaczego sieć dwutorowa (two-tower) pomoże rozwiązać problem pierwszego poziomu — na czym dokładnie polega ta pomoc?
(Po wyjaśnieniu z rozmówcą) Jak teraz sformułować zadanie i podejście, mając na uwadze, że rekomendacje elementów już istnieją, a trzeba umieścić bloki na stronie głównej bez duplikowania treści?
Porównajmy DAU, RPS i QPS: jeśli mamy 10 milionów DAU i każdy użytkownik loguje się 4 razy dziennie, ile będzie RPS i QPS?
Czym jest filtracja kolaboratywna?
Jak poradzić sobie z tym, że stara polityka wyświetlania może nie być optymalna, nawet jeśli używamy propensity — tutaj propensity nie pomaga zbyt wiele?