Machine Learning / AI

Prečo si odišiel (odchádzaš) z [spoločnosti]?

Ako ste prišli ku konkrétnej hodnote prahu confidence score?

Pracuješ teraz alebo nie?

Bolo model preškolené na túto úlohu (okrem LLM)?

Je ti všetko jasné ohľadom produktu (mediálne plány), alebo chceš niečo upresniť?

Ako by ste teraz (so svojimi súčasnými znalosťami) riešili problém klasifikácie a smerovania požiadaviek v service desku pomocou viacúrovňového prístupu: rule-based → ML → LLM fallback → človek? Uveďte konkrétne technológie, modely a metriky.

Si bol hlavným v Data Science v tíme [firma]? Aké prístupy a technológie pochádzali od teba, a ktoré určil technický vedúci?

Porovnajte lineárne a nelineárne modely v klasickom ML — výhody a nevýhody.

Aké typy tokenizácie poznáte? Výhody a nevýhody každého.

Povedz stručne o tíme, v ktorom si pracoval v [spoločnosť].

Povedz mi o regularizácii: čo je, na čo je, aké druhy existujú.

Bolo to vo forme testu/pilota alebo išlo priamo do výroby a používali ho manažéri?

Čo predstavoval produkt v [spoločnosť] z pohľadu používateľa (dokumentový tok, extrakcia údajov z КС-2/КС-3/rozpočet)?

Čo je to gradient z pohľadu matematiky a ako sa používa v strojovom učení?

Porozprávaj o projekte s klasickým ML (nie LLM), na ktorý si hrdý.

Ako ste razumeli, či model správne klasifikoval údaje? Aké kroky boli od manažéra požadované?

Povedzte mi o sebe, svojich skúsenostiach a kľúčových projektoch (najmä o firemnom GPT systéme v [spoločnosti]).

Ako ste merili kakovost ekstrakcije podatkov?