Sobes.tech

Python

Jak dodać specyficzną metrykę biznesową do aplikacji — co trzeba zrobić, jak to będzie wyglądało w kodzie?

138

Czy są plany na najbliższą przyszłość dotyczące rozwoju? Może chcesz nauczyć się nowego narzędzia?

138

Opowiedz o swoim doświadczeniu w integracji API ML/AI — czy miałeś do czynienia z OpenAI lub innymi modelami?

132

Czy ta sama usługa ML wykonywała wzbogacanie danych z zewnętrznych źródeł i uruchamiała model wewnątrz siebie, czy te funkcje były podzielone między serwisy?

132

W Kafka jest temat z 10 partycjami. Dodaliśmy kolejną replikę konsumenta, ale wydajność się nie zwiększyła. Dlaczego i co robić?

123

Opisz architekturę techniczną komponentu platformy scoringowej współpracującego z modelem ML: podział usług i odpowiedzialności, komunikacja między nimi oraz Twój osobisty wkład.

123

Uruchamiając aplikację Flask za pomocą `python main.py`, na konsoli pojawia się ostrzeżenie, że nie jest to do produkcji. Co to oznacza, dlaczego się pojawia i jak sobie z tym radzić?

121

Jak dwa serwisy współdziałały przez Kafka: co się działo na wejściu i wyjściu, jak przebiegała zgłoszenie przez pipeline aż do decyzji o zatwierdzeniu lub odrzuceniu?

121

Jak był zorganizowany poziom pamięci podręcznej, jakie cechy optymalizacji zostały zastosowane w Twoim specyficznym przypadku?

119

Opowiedz o interakcji usług przez REST i Kafka — w jakich przypadkach używałeś każdego podejścia?

119

Co się stanie z wiadomością Kafka po jej odczytaniu przez konsumenta: czy będzie nadal przechowywana?

119

Ile modeli zostały użyte w procesie scoringu? Czy były reguły scoringowe nie oparte na modelach, empiryczne?

119

Czego chciałbyś teraz znaleźć dla siebie, co jest interesujące i ważne przy wyborze przyszłego pracodawcy?

117
/4