Machine Learning / AI
Czym jest RegNet i na czym polega podejście do przestrzeni projektowej?
Jak zsumować funkcję straty składową loss = loss1 + loss2? Jakie znasz techniki balansowania strat?
Czym są polityki robotów warunkowane językiem?
Czym jest wywoływanie funkcji w LLM i jak jest realizowane w Qwen?
Jak zorganizowano inferencję LLM (DeepSeek R1 33B)? Ile GPU, jak równolegle?
Czym jest R-GCN dla grafów z typowanymi krawędziami?
Czym są reprezentacje SMILES i SELFIES cząsteczek?
Jak zorganizowano dane do podsumowania dialogów i jak przebiegało szkolenie?
Czym jest obraz Docker i do czego służy?
Jak naprawdę LLM decyduje, które narzędzie wywołać?
Czym jest RAG? Możesz opowiedzieć?
Czym jest topic w Kafka?
Co wybierasz w postawionym zadaniu: boosting gradientowy czy regresję logistyczną i dlaczego?
Jak obliczono ekonomię modelu prognozowania odejścia pracowników?
Czy kolejność wyodrębnionych fragmentów jest istotna i czy istnieją metryki, które to uwzględniają?
Z jakich narzędzi AI korzystasz codziennie?
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.
Opowiedz o jakimkolwiek doświadczeniu automatyzacji, które wykonałeś.
Jaka jest wymiarowość wyjścia warstwy MLP?
Czym jest ulepszanie pseudo-etykiet w segmentacji?