Machine Learning / AI
(Po wyjaśnieniu z rozmówcą) Jak teraz sformułować zadanie i podejście, mając na uwadze, że rekomendacje elementów już istnieją, a trzeba umieścić bloki na stronie głównej bez duplikowania treści?
Na ile jesteś obecnie aktywny w poszukiwaniu i dlaczego rozważasz nowe oferty?
Dlaczego przeszedłeś z PIK do DOM.RF?
Agent A zamknął 7 na 70 leadów, a agent B — 2 na 3. Jak uczciwie je porównać?
Wyobraź sobie, że pracujesz z modelem w PyTorch i po przełączeniu go w tryb oceny eval() widzisz, że metryki na stałym zbiorze testowym z 10 000 przykładów zmieniają się przy każdym uruchomieniu. Ustawiasz początkowy stan generatorów losowych dla powtarzalności: gdzie jeszcze może ukrywać się źródło zmian? Wyjaśnij rolę Dropout, BatchNorm i torch.no_grad() i wymień metryki z progami, według których sprawdzisz stabilność wyników.
Opowiedz o Word2Vec: jakie ustawienia uczenia się są w nim używane (CBOW, Skip-gram)?
Kto w zespole podejmował decyzje architektoniczne, ilu jest programistów ML, z kim się kontaktował?
Jak to wpływa na twoją pracę, że masz różne projekty? Czy to wpływa na twoją motywację finansową? Czy masz premie za projekty?
Czy sam wdrażałeś swoje modele na produkcję?
Jaka jest różnica między fine-tuningiem a few-shot promptingiem? Co i kiedy wybierać?
Kiedy będziesz gotowy do rozpoczęcia projektu?
Opowiedz o sobie i swoim odpowiednim doświadczeniu technicznym (projekty w domenie bankowej: modele ML, antyfraud, RAG, systemy wieloagentowe).
Dlaczego wywołujemy optimizer.zero_grad() na początku pętli treningowej?
Czym różni się fine-tuning od RAG? Czy uzyskamy ten sam rezultat?
Z punktu widzenia zadań analitycznych, co to było? Czy miałeś do czynienia z testami A/B? Jakie metryki używałeś?
Podajesz doświadczenie z transformatorami — co dokładnie robiłeś z architekturą transformatorów w RAG?
Czy miałeś kontakt z klientami? W jakim formacie?
Jak zmienia się bias, wariancja i nadmierne dopasowanie wraz ze wzrostem liczby drzew w losowym lesie i boosting?
Zadanie w Pythonie: znaleźć indeks pierwszego unikalnego znaku w ciągu (First Unique Character)
Opowiedz o algorytmie K-means i jego zaawansowanych odpowiednikach (K-means++).