Machine Learning / AI

`eval()` modunda BatchNorm'un yanlış kullanımının tahminlerde hatalara yol açtığı bir örnek veriniz.

Pratik Görev İki LoRA çalışmasının karşılaştırmasını dürüstçe yeniden üretmeyi sağlayan artefakt seti nedir? - Sadece nihai kalite tablosu. - Kod ve nihai metriğin ekran görüntüsü ile commit. - Deneyin kodu ve yapılandırma dosyası. - Kod, veri hash'i, temel model, LoRA yapılandırması, bağımlılıklar ve başlatma komutu. - Sadece Git dalına bağlantı. - Kod, LoRA parametreleri, temel model sürümü ve bağımlılıklar.

Şu anda Yandex veya Alfa gibi büyük teknoloji şirketlerinde mülakatlar var mı?

Pratik Görev 80 milyon mesajlık SQL sorgusu, JOIN sonrası tekrarlar oluşturuyor. Hangi adım ilk olarak başlamalı? - Optimizasyondan önce JOIN kardinalitesini, anahtarları ve yürütme planını kontrol edin. - Bir bağlantı alanında indeks oluşturun. - Sonucu CSV'ye aktarın ve Python'da tekrarları kaldırın. - Her zaman tüm sütunlara DISTINCT ekleyin. - Sonuç üzerinde örnekleme yaptıktan sonra DISTINCT ekleyin. - Bağlantı anahtarlarını ve her iki tablonun benzersizliğini kontrol edin.

Yeni model sürümünden sonra ortalama kalite puanı arttı, ancak editörler hukuki ve finansal konulardaki cevapların belirgin şekilde kötüleştiğini söylüyor. Yayını durdurup durdurmamaya karar vermek için ilk olarak hangi görselleştirmeyi yaparsınız?

Bu tür deneylerde verileri ve modelleri genellikle nasıl yönetiyorsunuz?

Filipinler'de kalmaya devam etmeyi mi planlıyorsunuz yoksa başka bir ülkeye mi taşınıyorsunuz?

Soruların sizin için neden "boğucu" göründüğünü ve bunun mülakat algınızı nasıl etkilediğini daha detaylı anlatabilir misiniz?

Tamamen İngilizce konuşulan takımlarda çalışma deneyiminiz var mı?

Yapay zeka ile mülakat deneyiminiz var mı?

Elinizde teklifler veya diğer şirketlerde son aşamalar var mı?

Emisyonların model metrikleri üzerindeki etkisini, örneğin doğruluk veya F1 skoru gibi, nicel olarak nasıl değerlendirirsiniz?

Birleştirme anahtarlarındaki indeksleri nasıl optimize ederdiniz, çoğaltmaları azaltmak ve sorguyu hızlandırmak için?

PyTorch'ta bir model üzerinde çalıştığınızı ve modeli eval() moduna aldıktan sonra 10.000 örnekten oluşan sabit bir test kümesinde metriklerin her çalıştırmada değiştiğini düşünün. Tekrar üretilebilirlik için rastgele sayı üreteçlerinin başlangıç durumunu sabitliyorsunuz: başka nerede değişikliklerin kaynağı gizlenmiş olabilir? Dropout, BatchNorm ve torch.no_grad() işlevlerinin rolünü açıklayın ve sonuçların istikrarını kontrol edeceğiniz eşiklerle birlikte metrikleri isimlendirin.

CEFR seviyelerine göre okuma/yazma ve konuşma için İngilizce seviyenizi ayrı ayrı değerlendirin.

Pratik Görev AI, tüm 2 milyon temizlenmemiş diyaloğu LoRA ile eğitmeyi öneriyor. Adayın en olgun yanıtı nedir? - AI'ye güvenmek: büyük bir kütüphane hataları telafi edecektir. - Verileri değiştirmeden önce prompt'u değiştir. - Temizlenmiş kısımdan LoRA'yı eğit ve temel modelle karşılaştır. - Eğitime başlamadan önce rastgele bir etiketleme örneği kontrol et. - Öncelikle verileri ve kaliteyi konulara göre ayrı bir set üzerinde kontrol et, sonra sınırlı bir şekilde LoRA'yı eğit. - Tüm kütüphane üzerinde eğit, ancak LoRA'nın rütbesini azalt.

Bu sorguda performans sorunlarını tespit etmek için `EXPLAIN`'i tam olarak nasıl kullanırdınız?

Hangi resmi format sizin için daha uygundur: GPH, IP veya TК?

Sorular oluşturmak için büyük dil modeli nadir konularda tarzı korumakta zorlanıyor. AI asistanı, tüm 2 milyon diyalogdan oluşan tarihsel gövde üzerinde hemen LoRA'yı başlatmayı öneriyor, ancak etiketleme kısmen gürültülü. Bu tavsiyeye hangi durumlarda güvenmezsiniz ve ilk olarak neyi seçersiniz?

Diyalog tablosunda 80 milyon mesaj var ve değerlendirme seti için analitik sorgu 25 dakika sürüyor ve bazen soru-cevap çiftlerini tekrar ediyor. Öncelikle neyi düzeltirsiniz ve neden?