Machine Learning / AI
Jak Gradient Clipping i Warmup pomagają zwalczyć wybuchy gradientów i rozbieżność straty na początku treningu?
Twoje modele, gdzie były umieszczone (infrastruktura wdrożeniowa)?
Czym jest Elliptic Envelope i jakie są założenia metody?
Dlaczego ReLU jest tak popularne?
Jakiej funkcji straty użyto podczas dostrajania osadzenia?
Czym jest wykrywanie zmian między zrzutami?
## Dana jest łańcuch s; zwróć najdłuższy palindromiczny podłańcuch w s. # Wprowadzenie: s = "babad" # Wynik: "bab" # Wyjaśnienie: "aba" jest również poprawną odpowiedzią. # Przykład 2: # Wprowadzenie: s = "cbbd" # Wynik: "bb" # tylko litery angielskie i cyfry
Gdybyś był liderem zespołu decydującym, jak będą przebiegały procesy w różnych zespołach rozwijających podobne boty, czy każdy pisałby własną usługę w własnych bibliotekach, czy wszystko byś połączył w jedno rozwiązanie?
Opowiedz o zespołach w uczeniu maszynowym.
Mamy dział HR z pieniędzmi i ambitnymi planami, szuka agenta, który rejestruje zgłoszenia i odpowiada w bazie wiedzy. Jak byś podszedł do tego problemu?
Istnieje 10 000 operacji matematycznych z biblioteką math. Co lepiej użyć do przyspieszenia: wielowątkowości czy wieloprocesowości?
A ile osób pracowało z embedderami (embeddings), słyszałeś o innych embedderach?
Czy możesz udostępnić dostęp dla wszystkich (dokument/pulpit)?
Jak byś zaimplementował ochronę przed obelgami/prowokacyjnymi pytaniami, aby bot nie zaczął przeklinać w odpowiedzi?
Opowiedz o różnicy między multitaskingiem, wieloprocesowością a asynchronicznością
Opowiedz o Layer Norm
def hello(func): def decorator(func): def wrapper(a,b): result = None for _ in range(max_tries): print('Cześć') result = func(a,b) print("Do widzenia") return result return wrapper return decorator @hello(max_tries=5) def add_numbers(a,b): return a+b print(add_numbers(2,3))
Opowiedz o sobie: czym się zajmowałeś, czym chcesz się zająć, o swoim doświadczeniu.