Pe lângă F1 și recall, ce metrici au fost folosite pentru evaluarea clasificatorului?
Machine Learning / AI
Cum ați evaluat pregătirea sistemului de clasificare a tichetelor de suport pentru implementare?
Ce este un topic în Kafka?
Ai avut modele tabulare în producție?
Ce metrici ai monitoriza după implementarea modelului în producție: metrici de serviciu, date și model?
Descrieți experiența dvs. cu Docker: cum împachetați și implementați un serviciu ML?
Ce este o partiție în Kafka?
Ce metrici ai folosi pentru a evalua sistemul de atribuire a lead-urilor către agenți?
Spuneți-ne ce știți despre sarcinile de căutare, clasificare, recomandare și personalizare.
Cum să normalizezi scorul pentru ca un agent nou fără istoric să primească și el lead-uri și să poată vinde?
Există o rată de închidere a lead-urilor de 5%, mai multe țări și agenți. Cum poate fi folosit ML pentru a determina agentul căruia să-i fie atribuit un nou lead?
Spuneți-ne despre dvs. și experiența dvs. ca inginer ML.
Cum ai explica această decizie părților interesate fără pregătire statistică?
De ce propui CatBoost pentru această sarcină?
Cum ați evalua experiența dvs. în ML tabelar în comparație cu NLP și LLM?
Agentul A a închis 7 din 70 de lead-uri, iar agentul B — 2 din 3. Cum îi comparăm corect?
Povestiți despre un caz în care modelul a funcționat bine în evaluarea offline, dar a avut performanțe slabe în producție: ce s-a întâmplat și ce ați făcut?
Ce linie de bază și ce candidat final al modelului ai alege pentru această sarcină?
Cum ai lucrat cu clasele pentru care existau foarte puține exemple?
Care este experiența dvs. cu Microsoft Azure și puteți implementa o soluție acolo?