Zašto si napustio (napuštaš) [kompanija]?
Machine Learning / AI
Kako ste došli do određene vrednosti praga confidence score?
Да ли сада радиш или не?
Да ли ти све јасно у вези са производом (медијским плановима), или желиш нешто да појасниш?
Kako bi sada (sa trenutnim znanjem) rešio problem klasifikacije i rutiranja zahteva u service desk-u koristeći višeslojni pristup: rule-based → ML → LLM fallback → čovek? Navedite konkretne tehnologije, modele i metrike.
Da li ste bili glavni za Data Science u timu [kompanija]? Koji pristupi i tehnologije su dolazili od vas, a koje je odredio tehliđ?
Koje vrste tokenizacije poznajete? Prednosti i mane svake.
Ispričaj mi o regularizaciji: šta je, čemu služi, koje vrste postoje.
Uporedi linearne i nelinearne modele u klasičnom ML — prednosti i mane.
Da li je model dodatno treniran za ovaj zadatak (ne LLM)?
Ispričaj u dve reči o timu u kojem si radio u [kompaniji].
Šta je gradijent sa matematičke tačke gledišta i kako se primenjuje u mašinskom učenju?
Да ли је то било у виду теста/пилота или је одмах отишло у производњу и користили су га менаџери?
Šta je proizvod predstavljao u [kompaniji] sa stanovišta korisnika (upravljanje dokumentima, izvlačenje podataka iz KS-2/KS-3/račun)?
Ispričaj mi o projektu sa klasičnim ML (ne LLM), na koji si ponosan.
Реци о себи, свом искуству и кључним пројектима (посебно о корпоративном GPT систему у [компанија]).
Kako ste shvatili da li je model ispravno klasifikovao podatke? Koje radnje su bile potrebne od menadžera?
Kako ste izmerili kvalitet ekstrakcije podataka?