Machine Learning / AI
De que depende a complexidade dos algoritmos que depende de n ou k e do que ela depende?
Como obter embeddings do texto que possam ser usados como entrada em um transformador?
Como usar o BERT numa tarefa de QA ao estilo SQuAD?
Como é que a floresta aleatória reduz a influência de árvores individuais na previsão final?
Quais são as alternativas ao CLIP (SigLIP, EVA-CLIP)?
Quais características são usadas nos modelos clássicos de PLN (TF-IDF, n-gramas, n-gramas de caracteres)?
O que é o boosting por gradiente? Onde aparece o gradiente?
Quais são os problemas da função de ativação Sigmoid? Onde ela é aplicada e como é interpretada?
O que é a documentação do modelo (cartão do modelo, ficha técnica)?
Quais são os requisitos da EU AI Act para sistemas de alto risco?
Como são determinados os thresholds para o cálculo de ROC-AUC?
Como funcionam o BatchNorm e o LayerNorm? Vantagens e desvantagens de cada um e onde são aplicados?
Como é que o ROC-AUC funciona em dados com um forte desequilíbrio de classes?
Como processar tabelas e imagens em documentos para RAG?
O que é o Tesseract e onde estão os seus limites de qualidade?
Qual é a diferença entre stemming e lematização? Em que tarefas usar cada um?
Qual função de perda aplicar ao treinar o modelo?
O que é DoRA e como ela difere do LoRA?
Quantos fatores devem ser apresentados na entrada do CatBoost?
É possível substituir uma convolução 3x3 por duas convoluções sequenciais 3x1 e 1x3? Qual é a vantagem e as perdas?