Sobes.tech

Machine Learning / AI

Zašto si napustio (napuštaš) [kompanija]?

Middle+
205

Kako ste došli do određene vrednosti praga confidence score?

Middle+
185

Да ли сада радиш или не?

Middle+
171

Да ли ти све јасно у вези са производом (медијским плановима), или желиш нешто да појасниш?

Middle+
164

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.

Middle+
151

Da li ste bili glavni za Data Science u timu [kompanija]? Koji pristupi i tehnologije su dolazili od vas, a koje je odredio tehliđ?

Middle+
149

Koje vrste tokenizacije poznajete? Prednosti i mane svake.

Middle+
143

Ispričaj mi o regularizaciji: šta je, čemu služi, koje vrste postoje.

Middle+
142

Uporedi linearne i nelinearne modele u klasičnom ML — prednosti i mane.

Middle+
142

Da li je model dodatno treniran za ovaj zadatak (ne LLM)?

Middle+
141

Ispričaj u dve reči o timu u kojem si radio u [kompaniji].

Middle+
139

Šta je gradijent sa matematičke tačke gledišta i kako se primenjuje u mašinskom učenju?

Middle+
138

Да ли је то било у виду теста/пилота или је одмах отишло у производњу и користили су га менаџери?

Middle+
138

Šta je proizvod predstavljao u [kompaniji] sa stanovišta korisnika (upravljanje dokumentima, izvlačenje podataka iz KS-2/KS-3/račun)?

Middle+
137

Ispričaj mi o projektu sa klasičnim ML (ne LLM), na koji si ponosan.

Middle+
130

Реци о себи, свом искуству и кључним пројектима (посебно о корпоративном GPT систему у [компанија]).

Middle+
116

Kako ste shvatili da li je model ispravno klasifikovao podatke? Koje radnje su bile potrebne od menadžera?

Middle+
112

Kako ste izmerili kvalitet ekstrakcije podataka?

Middle+
109