Machine Learning / AI
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.
Airflow kullanarak otomatik veri toplama ve eğitim nasıl organize edilir?
Neden çıkarım sırasında dropout devre dışı bırakılır?
Ses kodlayıcıda RVQ (artık vektör kodlama) nedir?
Tıpta ML'de hangi adil olmayan sorunlar var?
Referansız ve referansa dayalı metrikler nedir?
ROC eğrisi nedir ve sınıflandırıcıların değerlendirilmesinde nasıl kullanılır?
Maksimum değeri aramak için idxmax yerine max çağırırsanız ne olur?
Farklı adil tanımlar arasındaki çatışma nedir?
Bunu teknik olarak nasıl yapabiliriz — tıklamanın skip ve benzerlerinden daha yukarıda sıralanması mı gerekiyor?
Kısıtlı bellek ile medyan hesaplamak için veri akışını nasıl işleriz?
SARSA nedir ve Q-learning'den nasıl ayrılır?
Yaklaşımın hakkında bana anlat: Yapay zeka yardımıyla mimariyi nasıl kuruyorsun, kodu nasıl doğruluyor ve testleri nasıl yazıyorsun?
Residual bağlantı nedir ve ne amaçla kullanılır?
Logitlerin boyutu nedir ve onlardan nasıl token elde edilir?
Sıfırlarla ağırlıkların başlatılmasında hangi sorunlar ortaya çıkar? Bu sorunları çözen başlatma yöntemleri (Xavier, He) nelerdir?
Görüntüde üçgen ile daireyi nasıl ayırt edersiniz?
Belge denetimi projesinde rolünüz neydi?
Üretimdeki ML modelleri için hangi izleme metriklerini ayarladınız?
Harfler ve rakamlar içeren bir dize verildiğinde. Dizideki en büyük sayıyı bulun (ardışık rakamları tek bir sayı olarak düşünerek).