Machine Learning / AI
Czym jest self-attention?
W jakich sytuacjach lepiej używać numpy, a w jakich standardowych struktur danych Pythona?
Czym jest diarization i jakie są podejścia (klasteryzacja, EEND)?
Czym jest sezonowy-hybrydowy ESD?
Czym jest pruning w LLM i jakie są podejścia (magnitude, strukturalne, SparseGPT)?
Czym jest nnU-Net i dlaczego jest popularny?
Jak profilować zużycie energii podczas inferencji ML?
Jakie zadania uważasz za idealne i czym chcesz się zajmować?
Jakie główne cechy były używane do klasyfikacji spamu w leadach?
Czym jest preferencja parowa i jak ją obliczyć?
Jak poprawić wydajność modelu liniowego przy pracy z cechami kategorycznymi?
Jakie metryki są odpowiednie do oceny jakości modelu binarnej klasyfikacji?
Różnice architektoniczne między XGBoost, LightGBM i CatBoost: jak są budowane drzewa?
Czy można dodać pole do tabeli zamiast używać zapytania SELECT?
Dlaczego wagi modelu mogą stać się duże i dlaczego należy je zmniejszać za pomocą regularizacji?
Jakie metryki są używane do segmentacji i detekcji obiektów?
Czy tworzyłeś rozwiązania dla klientów pracodawcy — brali je i sami je utrzymywali?
Dlaczego BERT daje lepszą jakość w zadaniach klasyfikacji tekstu niż TF-IDF z regresją logistyczną?
Jak stworzyć i wytrenować klasyfikator w PyTorch?
Jak działa tokenizacja? Dlaczego używa się subword tokenów zamiast pełnych słów?