Machine Learning / AI
Jak łączyć dane z dwóch baz w jeden spójny model, na przykład w kształt płatka śniegu lub gwiazdy?
Jaki model wybrałbyś do zadania klasyfikacji binarnej (wektory z R^n, etykiety 0 i 1)? Wyjaśnij dlaczego.
Jak przyspieszyć zapytanie podczas łączenia dwóch tabel: zasady i triki?
Czym są modele foundation w medycynie (MedSAM, RadGraph)?
Dlaczego RAG jest lepszy od fine-tuningu dla zadania QA na wewnętrznej dokumentacji?
Jak obliczyć prawdopodobieństwo wyrzucenia orła przy założeniu, że mamy fałszywą monetę z dwoma orłami?
Jakie metody stosować do wyboru przykładów negatywnych?
Dlaczego przed testowaniem modelu należy przełączyć go w tryb inferencji (model.eval())?
Jak określić, czy model ma wysoką wariancję?
Jak pracować z danymi nieodzwierciedlającymi rzeczywistości, gdy model przewiduje 10% defaultów zamiast 1%?
Jak mierzy się i opisuje złożoność algorytmów?
Czym jest re-ranker w RAG? Jakie modele używają (cross-encoder, bge-reranker)?
Czym jest automatyczna transkrypcja muzyki?
Czym jest normalizacja tekstu (NFC, NFKC) i dlaczego warto ją przeprowadzać przed tokenizacją?
Jaki jest wzór Margin Loss?
Opowiedz o metryce mAP (średnia precyzja). Co oznaczają mAP@0.5 i mAP@0.5:0.95?
Jakie narzędzia i biblioteki można używać do rozwiązywania problemów w Pythonie?
Jak najlepiej przechowywać wagi modelu: w obrazie Docker czy ładować je osobno?
Jakie metryki rankingowe istnieją?
Jaka jest średnia ocena w zeszycie?