Machine Learning / AI
Czym jest prawo Twymana i jak mu przeciwdziałać?
Co się dzieje po wpisaniu adresu strony internetowej w przeglądarce i naciśnięciu Enter?
Dlaczego potrzebowałeś 12 000 par pytań i odpowiedzi, skoro było tylko 15 szablonów?
Jak wybierasz spośród ofert, na co zwracasz uwagę?
Jak podejść do zadania detekcji obiektów przy dużym niezrównoważeniu danych?
Jak można zmodyfikować funkcjonalność błędu?
Jakie metryki są używane do segmentacji i detekcji obiektów?
Jakie metryki używać do oceny nowego modelu podczas wdrażania na grupie pilotażowej?
Jak dropout pomaga unikać przeuczenia w sieciach neuronowych?
Dlaczego nie można rozwiązać wszystkich zadań za pomocą metod klasycznych?
Jak przebiega rozwój pracowników i przeglądy wydajności?
Jak optymalizować inferencję?
Jaka jest różnica między DELETE a TRUNCATE w SQL?
Jak obsługiwać rzadkie hieroglify i emoji w tokenizatorze?
Czy ktoś wcześniej kontaktował się z [organizacja] w sprawie projektów, czy przeprowadzano rozmowy techniczne?
Jak wybierać cechy w modelu? Jest boosting i 5000 cech.
Czym jest akumulacja gradientów i dlaczego jest potrzebna przy ograniczonej pamięci?
Jak regeneracja banerów zwiększa konwersje?
Jak obecność kilku zer w liście wpływa na decyzję?
Jak określić, czy towary zostały zakupione razem i są komplementarne?