Machine Learning / AI
Opowiedz o bazach danych, z którymi pracowałeś
Ile osób jest w zespole?
Opowiedz o swoim doświadczeniu i obecnym projekcie.
Opowiedz mi, jaki jest skład zespołu, od kogo zazwyczaj pochodzi zadanie i jak zadania są rozdzielane w zespole?
Jakie metryki istnieją w NLP?
Jak zmniejszasz halucynacje w pipeline ekstrakcji informacji?
Dlaczego zdecydowałeś się przejść na IT/Naukę o danych?
Opowiedz o projekcie klasteryzacji zgłoszeń z oznaczeniem według ważności biznesowej.
Jaki model i podejście wybrać do przetwarzania dźwięku z konferencji (speech-to-text, diarization)?
Dlaczego projekt był rozwijany przez dwa lata, skoro mówisz, że główne rzeczy zostały zrobione dwa lata temu? Czy projekt jest teraz w fazie wsparcia, czy był dalej rozwijany?
Jak siebie oceniasz?
Czy pracowałeś z Docker, MLflow, Airflow?
Czy wygodniej jest rozmawiać na ty czy na wy?
Jak jest zbudowany orkiestrator: jaki framework i architektura są używane, co on robi, czy jest jednokrokowy, czy może wielokrotnie rozważać przed odpowiedzią?
Dlaczego regularizacja L1 skłania do zerowania wag, a L2 nie? Jak to jest matematycznie wyprowadzone?
Jak zaimplementować routing zapytań między scenariuszami — w jakiej formie LLM podaje odpowiedź i jak na jej podstawie wybierany jest scenariusz?
Czym jest model osadzenia i czym jest token?
Dlaczego szukasz nowej pracy i dlaczego odchodziłeś z poprzednich miejsc pracy?
Napisz funkcję w Pythonie, która przyjmuje nieposortowaną listę liczb całkowitych i zwraca medianę.
Jaka jest główna różnica między Spark a Pandas? Czym jest Hadoop?