Machine Learning / AI
Rozdzielnie przeanalizuj prefill i decode: Q/K/V, formy macierzy i różnice faz.
Czy próbka jest tworzona według określonych przedziałów czasowych, czy jest pobierana na cały okres?
Na ile pasuje ci rola, biorąc pod uwagę, że projekt łączy NLP, LLM i klasyczne ML, a ty szukałeś pozycji w klasycznym ML?
Jakiego modelu open source użyć do lokalnego uruchomienia przez Ollama?
Jakie rodzaje oznaczeń do zadania NER znasz? Z czym pracowałeś?
Jaka jest różnica między Margin Loss a Triplet Loss?
Czy możesz wyjaśnić, jak działa ocena off-policy (np. IPS lub Double Robust), którą wspomniałeś?
Czy masz doświadczenie w pracy z zadaniami nawigacyjnymi, danymi GPS i danymi geograficznymi? Jak podszedłbyś do takiego zadania?
Zadanie praktyczne Sprawdzanie LLM w PyTorch daje różne wyniki przy dwóch uruchomieniach. Które rozwiązanie jest bardziej dojrzałe? - Włączyć eval() i porównać wyniki jeszcze raz. - Zwiększyć rozmiar zestawu testowego. - Powtórzyć uruchomienie i wybrać najlepszy wynik. - Przełączyć się na TensorFlow bez analizy przyczyny. - Ustalić seed i uznać problem za rozwiązany. - Sprawdzić eval(), no_grad(), seed, DataLoader i deterministyczne operacje CUDA.
Jak pracować z danymi prywatnymi podczas lokalnego wdrożenia systemu?
Przybyłeś do projektu RAG od początku czy na jakimś etapie?
Zaimplementuj rozwiązanie zadania w Pythonie.
Co dla Ciebie oznacza 'interesujące zadanie' w pracy?
Jak łączysz naukę i pracę jednocześnie?
Proszę, opowiedz, jak działa słownik w Pythonie od kuchni i co się dzieje w kwestii kolizji.
Czym jest tokenizacja?
Jak zaimplementowałeś Text-to-SQL? Jak zmierzyłeś dokładność 91%?
Inni inżynierowie ML z doświadczeniem wręcz chcą różnych projektów, aby wszystko wypróbować. A ty, wręcz przeciwnie, czego chcesz...?
Opowiedz o sobie i swoim doświadczeniu jako inżynier ML.
Czym jest przeuczenie i jak można go uniknąć?