Machine Learning / AI
Na czym polega pomysł Margin Loss?
Dlaczego nieliniowość jest potrzebna w sieciach neuronowych?
Oceń, ile danych potrzebujesz do dostrojenia modelu w produkcji, opisz proces dostrajania, parametry, funkcję straty (contrastive/triplet) i dlaczego wybrano właśnie ją.
Jaka formuła jest używana do minimalizacji odległości między przewidywaniem a celem w regresji liniowej? Jak ją wyprowadzić?
Opowiedz o udanym klasycznym modelu — prognozowaniu odpływu pracowników.
Proszę opowiedzieć, dlaczego obecnie szukasz pracy?
Jaka funkcja straty (loss) jest domyślnie używana w regresji liniowej?
Jak zorganizowano wyszukiwanie informacji w bazie wektorowej? Dlaczego użyto Qdrant?
Kiedy wybierasz pełny batch gradient descent vs mini-batch vs stochastyczny gradient descent? Dlaczego istnieją różne warianty?
Czy możesz wyjaśnić, jak dokładnie oblicza się F1-score za pomocą precision i recall?
Jak przebiega wywołanie narzędzi (tool calling) w agencie?
Co to jest n w kontekście złożoności uwagi?
Opowiedz kolejno o projekcie prognozowania rotacji pracowników: problem biznesowy, sformułowanie zadania ML, metryki i dane.
Czym dokładnie jest rozproszenie w ocenie IPS?
Czy można używać dekoratora bez składni @?
Czym jest wyszukiwanie hybrydowe i na czym polega jego główna idea?
Jaka jest różnica między listą a krotką?
Czym jest normalizacja zbioru danych i dlaczego jest ważna podczas trenowania modelu?
Jak rozwiązujemy problem regresji liniowej, jeśli nie używamy jawnej formuły?
Jakie będą kryteria wyboru, jeśli przyjdzie kilka ofert?