Machine Learning / AI
Jakie rodzaje regularyzacji znasz?
Co się dzieje, jeśli próg klasyfikacji jest zbyt niski?
Jakie problemy występują podczas uczenia regresji logistycznej, jeśli liczba cech jest większa niż liczba obserwacji?
Czym jest monocularne oszacowanie głębokości i jakie modele (MiDaS, Depth Anything)?
Opowiedz o destylacji modeli.
Opowiedz o swoich projektach: co dokładnie zrobiłeś, szczegółowo technicznie?
Czym są tabele historyczne?
Jakie metody zespołowe znasz? Jakie grupy metod zespołowych istnieją?
Czym jest boosting?
Jakie rodzaje błędów występują w protokołach medycznych i jak je klasyfikować?
Jakie są zalety i wady korzystania z walidacji krzyżowej?
Jak wygląda ogólnie ścieżka aplikacji ML/LLM od Dockerfile i kodu źródłowego do wdrożonej usługi i ruchu użytkowników w Kubernetes?
Czym jest regularizacja?
Jakie implementacje boostowania znasz lub z którymi pracowałeś?
Czy masz teraz oferty/przedoferty w ręku? Jak aktywnie rozważasz propozycje?
Opowiedz mi o projekcie systemu audytu dokumentów
Co dokładnie masz na myśli mówiąc o głębokości: przewijanie strony czy przewijanie bloku?
Dlaczego chcesz odejść z [organizacji] i co dla ciebie oznacza rozwój zawodowy?
Czym jest akumulacja gradientów i dlaczego jest potrzebna przy ograniczonej pamięci?
Czym różnią się Random Forest i Gradient Boosting?