Machine Learning / AI
Jeśli wykonanie zmieniło stan, ale LLM tego nie widzi, jak technicznie aktualizowane są stan i metadane?
Jak bardzo będzie interesujące zagłębić się w systemy rekomendacji?
Jakie rodzaje uwagi istnieją?
Kto w zespole podejmował decyzje architektoniczne, ilu jest programistów ML, z kim się kontaktował?
Jak zorganizowano zapisy i agregacje w trzymiesięcznym oknie ruchomym dla projektu odtlenia?
Na czym mierzono metryki retrive (jaki zestaw danych i narzędzie)?
Jak modele zgłosiły, że argument jest nieprawidłowy?
Opowiedz o parametrach generacji: temperatura, Top-P i Top-K.
Czy to było w formie testu/pilota, czy od razu trafiło do produkcji i używali tego menedżerowie?
Opowiedz ogólnie, jak pracowałeś w ostatnim miejscu pracy (DOM.RF), za co odpowiadałeś, jak wyglądał Twój dzień pracy, jakie są obecne zadania w projekcie CorpGPT (korporacyjny RAG)?
Dlaczego zadanie w Spark może utknąć i trwać bardzo długo?
Jakiego modelu open source użyć do lokalnego uruchomienia przez Ollama?
Co rozumiesz przez błąd (w podejściu promptowym)?
Jaka jest różnica między Margin Loss a Triplet Loss?
Po co jest potrzebna normalizacja (Layer Norm) — dlaczego stabilizować trening?
Czy możesz wyjaśnić, jak działa ocena off-policy (np. IPS lub Double Robust), którą wspomniałeś?
Dlaczego nie należy używać wektorowego RAG jako głównego mechanizmu dla odpowiedzi w transakcyjnych bazach danych SQL?
Jak wyróżnić i wizualizować metryki agentów w Grafanie?
Czy masz doświadczenie w pracy z zadaniami nawigacyjnymi, danymi GPS i danymi geograficznymi? Jak podszedłbyś do takiego zadania?
Czy może Pan/Pani bardziej szczegółowo opisać, co dokładnie wydało się Panu/Pani "przytłaczające" w pytaniach i jak to wpłynęło na Pana/Pani postrzeganie rozmowy kwalifikacyjnej?