Machine Learning / AI
Jakie problemy występują podczas testów A/B modeli ML (pętla sprzężenia zwrotnego danych treningowych)?
Czym jest replika i shard w rozproszonej VDB?
Czym jest wielokolinearność cech? Dlaczego jest niebezpieczna i jak ją wykrywać?
Jakie parametry uczące się są w BatchNorm i do czego służą?
Czym jest długoterminowa pamięć agenta i jak ją zbudować (podsumowanie, pamięć wektorowa)?
Do czego służy zadanie look-alike?
Czym jest wyszukiwanie wiązkowe i dlaczego jest rzadko używane do generacji otwartej?
Czym są maskowane autoenkodery (MAE) dla CV?
Czym jest eksploracja napędzana ciekawością?
Jak zorganizować konteneryzację i wdrażanie modeli?
Jakie metody normalizacji rozkładu danych istnieją?
Czym jest geohash i jak go używać jako cechy?
Jak wyrazić ilość kul w drugim koszu przez ilość kul w pierwszym?
Czym jest interleaving w wyszukiwaniu i rekomendacjach?
Jakie metody wykrywania anomalii są specyficzne dla szeregów czasowych?
Gdybyśmy mieli nieskończone zasoby i nie zależało nam na szybkości zbieżności, którą metodę GD, SGD lub Mini-Batch SGD lepiej byłoby użyć?
Dlaczego sieć z BatchNorm zbiega się szybciej?
Jak obliczyć perplexity modelu językowego? Jakie są jego właściwości?
Czym jest fairness w ML i jakie istnieją definicje (parytet demograficzny, wyrównane szanse)?
Jaka jest probabilistyczna interpretacja ROC-AUC?