Machine Learning / AI
Opisz swojego agenta analitycznego: co robił, dla kogo, jak wyglądał proces pracy użytkownika?
Oceń, ile danych potrzebujesz do dostrojenia modelu w produkcji, opisz proces dostrajania, parametry, funkcję straty (contrastive/triplet) i dlaczego wybrano właśnie ją.
Jak często piszesz kod w Pythonie, backend? (w kontekście przyszłych zadań w firmie)
Czy możemy zmienić wartość przypisaną do klucza w słowniku, gdzie klucz jest łańcuchem, a wartość jest krotką? Co się stanie?
Co oznaczają parametry M, ef_construct, ef_search w HNSW?
Czy pracowałeś z wykresami?
Jak algorytmicznie działa sprawdzanie, czy ciąg znajduje się w zbiorze (tablica haszująca)?
Jak wykonałeś wdrożenie Blue-Green?
Dlaczego rozważasz nową ofertę? Co nie podoba ci się w obecnej pracy?
Jak są trenowane modele osadzeń? Jak napisałbyś własny embedder?
Jak wybrałeś próg 0,6?
Czy masz dużą drużynę?
Dlaczego kwantyzowany LLM może działać szybciej i dlaczego czasami kwantyzacja, przeciwnie, spowalnia inferencję?
Jak obsługiwać tabelę w dokumencie podczas przygotowywania danych do RAG?
Czy miałeś modele tabelaryczne w produkcji?
Jak zbierałeś metryki jakości systemu RAG? Jakie metryki używałeś i jakie narzędzia?
Jaka jest różnica między listą a krotką?
Kto w ogóle przejrzał twój kod, twoją pracę, kto to sprawdzał?
Dlaczego w systemie wieloagentowym nie używano Human-in-the-Loop, tylko w ReAct?
Co się dzieje w pamięci, gdy konwertujemy ciąg na małe litery za pomocą lower()? Jaką operację pamięci to zajmuje?