Machine Learning / AI
Jak skalować system przy dużym obciążeniu?
Opowiedz o projekcie oceny jakości pracy dyspozytorów: jakie modele były używane, jak porównywano je z wzorcowym skryptem?
Dlaczego regularizacja L1 zeruje wagi? Wyjaśnij mechanizm.
Co można zrobić, aby model nie odpowiadał, jeśli w kontekście nie ma informacji do odpowiedzi na pytanie?
Jak ocenić jakość streszczenia?
Czy są pytania dotyczące warunków pracy i projektu?
Czym jest wyszukiwanie hybrydowe w RAG?
Kiedy wybrać LoRA, a kiedy retrieval po podobnych postach? Ile danych jest potrzebnych dla każdego podejścia?
Jaka jest kolejność wykonywania operatorów w zapytaniu SQL?
Opowiedz o rodzajach kodowania pozycyjnego, w szczególności o Rotary Positional Encoding (RoPE).
Opowiedz o projekcie wykrywania spamu w leadach i optymalizacji pracy centrum telefonicznego.
Jak długo pracujesz zdalnie?
Opowiedz o klasteryzacji: jakiego problemu rozwiązaliście, jaką metodę użyliście, jak mierzyliście jakość?
Jak nie zepsuć produkcji podczas wdrażania problematycznej wersji, która się uruchomi, ale będzie działać z błędami?
Co można zrobić, gdy po dłuższej pracy kontekst agenta stopniowo się zapełnia?
Czy to był JSON-objekt czy schemat JSON przez API? Jaka jest różnica w użyciu?
Jakie metryki można wykorzystać do oceny NER na dokumentach?
Jak posortować 20 fragmentów i wybrać 5 najbardziej istotnych do przekazania do LLM?
Jeśli optymalna liczba drzew dla modelu to 500, ale przypadkowo wytrenowaliśmy zarówno las losowy, jak i boosting na 1000 drzewach, który z modeli jest bardziej prawdopodobny, że się przeuczy i dlaczego?
Jak zwiększyć szybkość inferencji dla modeli OpenRouter za pomocą pipeline'u AI-Agent?