Jakie są metody pracy z bardzo rozrzedzonymi danymi?
Machine Learning / AI
Jak klient może zrozumieć, że cecha jest nieistotna bez użycia ważności cech w modelu czarnej skrzynki?
Czym jest agregacja sąsiedztwa i jakie funkcje są używane (średnia, suma, max, LSTM)?
Jakie są cechy oceny online rekomendacji (CTR, konwersja)?
Jak dropout pomaga unikać przeuczenia w sieciach neuronowych?
Które jest szybsze, wyszukiwanie w słowniku czy na liście, i dlaczego?
Jakie metody regularyzacji istnieją dla modeli nieliniowych?
Jakie metody regularyzacji są stosowane w sieciach neuronowych?
Jakie są problemy produkcyjne OCR (niskie rozdzielczości, zniekształcenia, cienie)?
Czy można zagwarantować, że regresja liniowa przewiduje wartości w zadanym zakresie dla dowolnych danych wejściowych?
Czym różni się regresja liniowa od innych metod w pracy z cechami kategorialnymi?
Czym jest złożoność asymptotyczna O- dużego i Omega- dużego?
Czym są różnorodność i Maksymalna Marginalna Relewantność (MMR)?
Czym jest mining logów zapytań i jakie sygnały wyciągają?
Czym jest test A/B dla modeli ML i jakie metryki biznesowe są ważne?
Czym są Tensor Cores i jakie operacje przyspieszają?
Czy należy skalować cechy dla regresji liniowej i innych modeli?
Czym różnią się osadzenia ELMo od BERT?
Czym jest SentencePiece i dlaczego jest potrzebny dla języków bez wyraźnych separatorów?
Czym różni się prompting modeli instrukcyjnych od podstawowych LM?