Machine Learning / AI
Opowiedz o ControlNet i LoRA. Do czego służą i jak są zbudowane?
Czym jest dyskretyzacja (binning) cech ciągłych i do czego służy?
Czym jest replika i shard w rozproszonej VDB?
Jakie są cechy budowy zbioru danych i walidacji dla modeli szeregów czasowych?
Czym są NVLink i NVSwitch?
Czym jest sieć docelowa w DQN?
Czym jest TabNet?
Czym jest kwantyzacja tylko wag i kwantyzacja aktywacji?
Czym jest modelowanie uplift i czym różni się od modelowania odpowiedzi?
Czym jest grounding DINO i wykrywanie otwartego słownika?
Jak kształtowały się zadania i komunikacja z biznesem?
Jakie są różnice między analizą przeżycia a zwykłą regresją czasową?
Czy łańcuchy w Pythonie są zmiennymi czy niezmiennymi?
Jakie zadania rozwiązuje wykrywanie anomalii niesuperwizowane vs półsuperwizowane?
Opowiedz o RandomForest: jak jest zbudowany, czym różni się od zwykłego baggingu drzew.
Dlaczego najpierw stosuje się detekcję, a nie od razu segmentację?
Z której obowiązków podobało Ci się bardziej: budowanie modeli czy praca z danymi?
Czym jest dropout?
Jakie są metody zapobiegania przeuczeniu w boosting (subsample, colsample, min_child)?
Czym są zdolności emergentne w LLM i czy istnieje konsensus co do ich istnienia?