Machine Learning / AI
Em que difere o gradiente descendente estocástico do clássico?
Quão ativo estás atualmente na procura e por que estás a considerar novas ofertas?
O que acontecerá com a qualidade do modelo se removermos a primeira e a última árvore na floresta aleatória e no boosting de gradiente?
O que é o desvio de dados (data drift)?
O que é um agente? Quais são os componentes principais necessários para criar um agente? Como implementar a memória?
Qual dos projetos te parece mais interessante e sobre o qual queres falar?
Qual algoritmo de aprendizagem automática para classificação você confia?
O que é um vetor denso (embedding denso)? Como é obtido? Qual é o seu tamanho?
Quantas pessoas foram finalmente contratadas após o estágio?
O que é R-GCN para grafos com arestas tipadas?
O que é uma imagem Docker e para que serve?
O que é MCP (Protocolo de Contexto do Modelo)?
O que mais, além da entropia cruzada, pode ser usado como função de perda?
A ordem dos chunks extraídos é importante e existem métricas que levam isso em consideração?
Como mediram a redução do tempo de busca de informações (métrica em minutos)?
Fale sobre TF-IDF: como funciona, como é a matriz final?
Sabes o que é bagging? Dá um exemplo de algoritmo.
Como foi o processo de transição para ML/Data Science? Houve cursos ou foi autoaprendizagem?
O que é o refinamento de pseudo-rótulos em segmentação?
Fala-me sobre decoradores: o que são e como podem ser feitos?