Machine Learning / AI
De ce depinde complexitatea algoritmilor care depinde de n sau k și de ce depinde aceasta?
Ce este pierderea CTC în OCR?
Ce sunt TPR și FPR? Cum sunt legate de precizie și recall?
Cum se obțin embedding-uri din text care să poată fi folosite ca intrare într-un transformator?
Cum să folosești BERT într-o sarcină de QA în stil SQuAD?
Cum reduce pădurea aleatorie influența fiecărui copac asupra predicției finale?
Care metrică este mai importantă: precizia sau recall-ul, în funcție de sarcină?
Care este diferența dintre self-attention și cross-attention, și pentru ce se folosește fiecare?
Ce este un token OOV și cum se ocupă subword-tokenizarea de acesta?
Care sunt alternativele la CLIP (SigLIP, EVA-CLIP)?
Ce caracteristici sunt utilizate în modelele clasice de NLP (TF-IDF, n-grami, n-grami de caractere)?
Ce este Dropout și cum se comportă în timpul antrenamentului și în inferență?
Ce este boosting-ul pe gradient? Unde apare gradientul?
Care sunt cerințele EU AI Act pentru sistemele cu risc ridicat?
Cum să înțelegeți dacă un model este subantrenat sau supraantrenat?
Care sunt problemele funcției de activare Sigmoid? Unde este utilizată și cum este interpretată?
Explică în detaliu despre atenția multi-head: ce sunt Q/K/V, cum se calculează greutățile de atenție, de ce mai multe capete.
Ce este documentația modelului (cartea modelului, fișa tehnică)?
Modelele Hugging Face înțeleg abreviaturi scurte?
Cum se determină pragurile pentru calculul ROC-AUC?