Machine Learning / AI
Porozprávajte o úspešnom klasickom modeli — predikcia odchodu zamestnancov.
Aká funkcia straty (loss) sa používa predvolene v lineárnej regresii?
Ako bolo organizované vyhľadávanie informácií vo vektorovej databáze? Prečo ste použili Qdrant?
Bola v vykonávaní agentov paralelita alebo všetko bolo sekvenčné?
Kedy si vyberáte úplný batch gradient descent vs mini-batch vs stochastický gradient descent? Prečo existujú rôzne možnosti?
V čom cítite najväčnú istotu, vo svojej odbornosti alebo v znalostiach, s ohľadom na široký súbor zručností?
Ako prebieha volanie nástrojov (tool calling) v agente?
Existujú povinné stretnutia, ktoré je potrebné uskutočniť v kancelárii?
Aký je rozdiel medzi self-attention v encoderi a self-attention v dekoderi?
Uveďte jeden plus a jeden mínus CatBoost v porovnaní s LightGBM.
Ako ste si vybrali prah 0,6?
Je pohodlnejšie komunikovať ty alebo vy?
Si sám v Moskve? Je kritický moment s lokalizáciou?
Čo sú metriky MAPE a SMAPE? Kde môžu byť neúčinné?
Čo je normalizácia dátového súboru a prečo je dôležitá pri trénovaní modelu?
Čo ukazuje PR-AUC a kedy má zmysel ho použiť?
Stretli ste se niekedy s náhodným lesom (v práci alebo v škole)? Aké sú hlavné rozdiely medzi náhodným lesom a boostingom?
Môžete mi povedať o svojej skúsenosti s RAG systémami a čo ste robili v poslednom projekte?
Existuje veľa hyperparametrov optimalizátora, 10 000 experimentov, málo času, ale veľa zdrojov. Aké prístupy existujú na hľadanie optimálnej kombinácie?
Čo sa robilo s metrikami po ich získaní?