Machine Learning / AI
O que é o prompting self-ask?
Qual é a ideia do Cycle-GAN? Que perdas são usadas nele?
Como foi treinado o BERT? O que são MLM e NSP?
Quais são os métodos de codificação de variáveis categóricas existentes?
O que é CUDA e quais são os conceitos principais (kernel, grid, block, thread)?
Quais problemas podem surgir ao usar a função de ativação Sigmoid junto com BatchNorm?
Como é amostrado o passo t durante o treino e a inferência do Stable Diffusion?
O que mostra o vetor de atenção nos transformadores?
Gradiente Descendente, SGD e Mini-Batch SGD: quais são as diferenças, vantagens e desvantagens de cada um?
O que é um contrafactual?
De que partes é que o Stable Diffusion (SD) é composto?
Por que as árvores tendem a sobreajustar-se mais em comparação com os modelos lineares?
Que verificações fazer ao escolher a taxa de aprendizagem para SFT LLM?
Pode a teoria do limite central ser aplicada a uma população com distribuição não normal?
O que é o desequilíbrio de classes e como combatê-lo?
Quais podem ser as armadilhas ao normalizar dados para resolver o problema de extrapolação em uma floresta aleatória?
O que é o Faiss e como ele funciona?
O que é codificação de destino e quais são os seus problemas (overfitting, leakage)?
O que é bagging e por que ele reduz a variância do modelo?
Que acelerações de inferência são alcançadas?