Machine Learning / AI

Dlaczego odszedłeś (odchodzisz) z [firmy]?

Jak ustaliłeś konkretną wartość progu confidence score?

Czy teraz pracujesz, czy nie?

Czy wszystko jest dla ciebie jasne odnośnie produktu (planów medialnych), czy chcesz coś wyjaśnić?

Czy model był poddany dalszemu szkoleniu dla tego zadania (nie LLM)?

Jak rozwiązałbyś teraz (z obecną wiedzą) problem klasyfikacji i routingu zgłoszeń w service desku, korzystając z podejścia wielopoziomowego: rule-based → ML → LLM fallback → człowiek? Wymień konkretne technologie, modele i metryki.

Czy byłeś głównym specjalistą ds. Data Science w zespole [firma]? Jakie podejścia i technologie pochodziły od ciebie, a które były ustalane przez tech lead?

Porównaj modele liniowe i nieliniowe w klasycznym ML — zalety i wady.

Jakie rodzaje tokenizacji znasz? Zalety i wady każdego z nich.

Opowiedz mi o regularizacji: czym jest, do czego służy, jakie są jej rodzaje.

Opowiedz w dwóch słowach o zespole, w którym pracowałeś w [firmie].

Czy to było w formie testu/pilota, czy od razu trafiło do produkcji i używali tego menedżerowie?

Co przedstawiał produkt w [firmie] z punktu widzenia użytkownika (zarządzanie dokumentami, wyciąganie danych z KS-2/KS-3/kosztorys)?

Czym jest gradient z punktu widzenia matematyki i jak jest stosowany w uczeniu maszynowym?

Opowiedz o projekcie z klasycznym ML (nie LLM), z którego jesteś dumny.

Opowiedz o sobie, swoim doświadczeniu i kluczowych projektach (w szczególności o systemie GPT w [firmie]).

Jak zrozumiałeś, czy model poprawnie sklasyfikował dane? Jakie działania były wymagane od menedżera?

Jak zmierzyłeś jakość ekstrakcji danych?