Machine Learning / AI
Koľko ľudí je v tíme?
Porovnajte lineárne a nelineárne modely v klasickom ML — výhody a nevýhody.
Aký bol najväčší zdroj chýb?
Odhadnite, koľko dát je potrebných na dohlbovanie modelu v produkcii, opíšte proces dohlbovania, parametre, funkciu straty (contrastive/triplet) a prečo bola vybraná práve ona.
Ako je algoritmicky riešené overovanie prítomnosti reťazca v set (hash tabuľke)?
Čo je ešte pre teba dôležité teraz (okrem náročných a zaujímavých úloh)?
Ak je worker synchronný, bude mať batching?
Aký je zmysel používania RAG systémov?
Aké knižnice sa používajú na optimalizáciu LLM?
Ako prebieha tréning s LoRA jednoduchými slovami?
O orchestrátor vidí výsledky volaní nástrojov subagent alebo iba konečný výstup samotného subagenta?
Ako sa riešia kolízie v množine? Aké metódy riešenia kolízií existujú?
Pracoval si s Docker, MLflow, Airflow?
Čo sú DocFormer a BROS?
Vysvetlite pojmy 'trénovacia množina' a 'testovacia množina' v kontexte strojového učenia.
Čo sú Bayesian neurónové siete a ako vypočítať posterior?
V čom sa líši None v Pythone, NaN v NumPy a NA v Pandas?
Prečo je potrebná augmentácia údajov?
Čo sú Anserini a Pyserini?
V čom sa líši volanie funkcie od klasického few-shot prompting pre štruktúrovaný výstup?