Machine Learning / AI
Fala sobre o teu último projeto, o que conseguiste alcançar.
Como são treinados os modelos de embedding? Como escreveria o seu próprio embedder?
Como usar categorias de produtos para formar recomendações relevantes?
Quais são as características do treino de modelos de áudio (taxa de amostragem, duração)?
Por que você reconheceu os documentos como imagens em vez de criar um analisador?
Para que serve a taxa de aprendizagem e a que ela corresponde?
Como validou o ajuste fino do LoRA?
Por que escolheu o Qdrant como sua base de dados principal?
Que tipos de otimização de LLM existem?
Atualmente, usas apenas o Cursor no teu dia a dia, certo?
Qual é a diferença entre list e tuple?
O que mostra o PR-AUC e quando faz sentido usá-lo?
Como você usa a curva ROC para avaliar a qualidade do modelo?
Como acelerar o descida do gradiente com um número muito grande de características?
Existe algum mecanismo no Kubernetes para verificar o estado do pod antes de incluí-lo na carga?
Qual é a vantagem do ROC-AUC em comparação com F1 e Precision?
Quais abordagens de deep learning para análise de sobrevivência (DeepSurv, DeepHit)?
Como evitar que um sistema simulado, perante uma solicitação modificada do agente, forneça dados históricos irrelevantes ou não encontre dados para a solicitação?
Se a execução alterou o estado, mas o LLM não vê isso, como é que o estado e os metadados são atualizados tecnicamente?
Quanto tempo durou a pesquisa / ciclo completo de resposta no sistema RAG?