Czym dokładnie jest rozproszenie w ocenie IPS?
Senior
148
Machine Learning / AI
3608
0
Zrób krótką notatkę, jak przepakować doświadczenie RAG pod systemy rekomendacyjne, a następnie typowe pytania. Nie jak odpowiedzieć, tylko na czym to polega według mojego doświadczenia i CV.
Senior
148
Jak porównać plakat wyświetlany na stronie użytkownika z tymi, których nie widział (częściowa informacja zwrotna)?
Senior
148
Ostatnio jest wiele sieci neuronowych — jak ich używasz w pracy, jak często i dokładnie jak?
Senior
147
Jak działa kontrastowa strata z negatywami w partii?
Senior
147
Napisz krótki akapit prezentacji, w którym podkreślisz, że systemy rekomendacji są bardzo podobne do RAG - retrieval, re-ranking, podobieństwa architektoniczne itp., abyś mógł to zapamiętać i opowiedzieć.
Senior
146
Oceń, ile danych potrzebujesz do dostrojenia modelu w produkcji, opisz proces dostrajania, parametry, funkcję straty (contrastive/triplet) i dlaczego wybrano właśnie ją.
Senior
145
Co zrobić w przypadku, gdy blok ma różną ilość treści — są pojedyncze bloki i bloki z 30 elementami? Jak pracować z wynikami treści, aby uzyskać funkcję tego bloku?
Senior
145
Proszę opowiedzieć, na czym dokładnie polegał ten projekt i czym dokładnie się Pan/Pani zajmował/a.
Senior
144
Jak przebiega inkrementalna aktualizacja indeksu FAISS na produkcji?
Senior
144
Czym są elementy? Jak się je poprawnie wymawia?
Senior
143
# Sformułuj i napisz definicję tego, czym jest roc auc. # Jak oblicza się wynik roc_auc? # Napisz funkcję, która oblicza roc_auc_score zgodnie z napisaną definicją. # A dla dowolnej liczby klas z określonym porządkiem priorytetu? # Model działa w następujący sposób # y_score[i] >= próg -> y_pred[i] = 1 # y_score[i] < próg -> y_pred[i] = 0 def test_roc_aur_score(): y_true = [0, 0, 0, 1, 0, 0] y_score = [0.2, 0.4, 0.31, 0.6, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0.8 y_true = [0, 1, 0, 0, 0, 1] y_score = [0.7, 0.6, 0.31, 0.31, 0.3, 0.2] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0.375 y_true = [0, 0, 0, 1, 0, 0] y_score = [0.2, 0.4, 0.31, 0.8, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 1 y_true = [0, 0, 0, 0, 0, 0] y_score = [0.2, 0.4, 0.31, 0.8, 0.3, 0.7] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0 # Bonusowe testy dla wielu klas y_true = [0, 1, 0, 0.5, 0, 1] y_score = [0.7, 0.6, 0.31, 0.31, 0.3, 0.2] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 0. y_true = [0, 0.1, 0.2, 0.3, 0.4, 0.6] y_score = [0, 0.1, 0.2, 0.3, 0.4, 0.6] res_metric = roc_auc_score(y_true, y_score) assert res_metric == 1
Senior
143
Dlaczego projekt był rozwijany przez dwa lata, skoro mówisz, że główne rzeczy zostały zrobione dwa lata temu? Czy projekt jest teraz w fazie wsparcia, czy był dalej rozwijany?
Senior
143
Czym jest DSSM, wiesz?
Senior
143
Czy dobrze zrozumiałem: mamy tracker, który ma średnią ocenę od tracker'a treściowego za wypełnienie bloku, są cechy użytkownika i bloku, wybraliśmy pozytywny — co dokładnie?
Senior
143
Jaki format pracy rozważasz i w jakim mieście mieszkasz?
Senior
142
Opowiedz mi o swoim doświadczeniu, czym zajmowałeś się przez ostatnie pięć lat?
Senior
142
Gdyby dano ci nieograniczoną liczbę GPU do poprawy jakości systemu, w jakim kierunku wybrałbyś się w pierwszej kolejności?
Senior
141
# dane jest tablica a = [1, 20, 10, 0, 59, 63, 0, 88, 0] -> [0, 0, 0, 1, 20, 10, 59, 63, 88] # należy napisać optymalną funkcję, która przenosi zera na początek tablicy i zachowuje kolejność pozostałych elementów def move_zeros_to_left(a: List[int]) -> List[int]: pass
Senior
141
Dlaczego wtedy będzie trenowany ranker? To znaczy, będzie niezależny od treści — jaki jest jego cel?
Senior
140