Machine Learning / AI
Czy można uznać nowy model z wynikiem F1 0,81 za lepszy od modelu z 0,8 i od razu wdrożyć go do produkcji?
Czy to źle indeksować wszystkie pola i dlaczego?
Czy konwolucja atrous (rozszerzona) może nigdy nie używać piksela na oryginalnym obrazie?
Jakie są sposoby optymalizacji ciężkich zapytań do bazy danych?
Na czym polega kompromis między eksploracją a eksploatacją w RL?
Czym jest target encoding i jakie ma problemy (overfitting, leakage)?
Co zrobić z zestawem danych przed treningiem modelu?
Czym jest konwolucja depthwise separable i gdzie jest stosowana (MobileNet)?
Czym jest rejestr modeli i z jakich narzędzi korzystałeś (MLflow, W&B)?
Jakie rodzaje normalizacji istnieją (Batch, Layer, Instance, Group, RMSNorm)?
Jak realizowana jest równoległość w Pythonie z uwzględnieniem GIL (multiprocessing, wątki, asyncio, rozszerzenia C)?
Gdzie kończyła się strefa odpowiedzialności i czy miałeś doświadczenie w pisaniu kodu produkcyjnego?
Czym jest GIL w Pythonie?
Czym jest przeuczenie i jak sobie z nim radzić?
Czym jest graf wiedzy i gdzie są stosowane?
Czym jest rozpoznawanie nazwanych jednostek (NER)? Jakie oznaczenie jest najczęściej używane (BIO, BIOES)?
Jakie role były w zespole?
Czym jest bagging i dlaczego zmniejsza wariancję modelu?
Czym jest BERTScore i dlaczego jest lepszy od BLEU w ocenie generacji?
Czy pracowałeś z Apache Spark?