Machine Learning / AI

AI bilan suhbat qilishga harakat qilishga qarshi emasmisiz?

Siz uchun minimal va qulay daromad darajasi rublda qanday?

Sizning oliy ta'limingiz va tayyorlanish yo'nalishingiz nima?

Nima uchun hozir yangi taklifni ko'rib chiqayapsiz?

BatchNorm saqlangan statistikalarni `eval()` rejimida qanday ishlatadi va bu natijalar barqarorligi uchun nima uchun muhim?

Mavzuli baholashlarda chiqindilarni qanday vizualizatsiya qilardingiz, ularning umumiy tasvirga qanday ta'sir qilishini tushunish uchun?

Hamkorlik shartlari haqida savollaringiz bormi?

Amaliy vazifa PyTorch'da LLM tekshiruvi ikki marta bajarilganda turli natijalar beradi. Qaysi yechim yanada rivojlangan? - eval() ni yoqib, natijalarni yana solishtiring. - Tekshirish to'plamini kattalashtiring. - Yana bir marta ishga tushiring va eng yaxshi natijani tanlang. - Sababini tahlil qilmasdan TensorFlow ga o'ting. - seed ni belgilab, muammoni hal qilingan deb hisoblang. - eval(), no_grad(), seed, DataLoader va deterministik CUDA operatsiyalarini tekshiring.

Suhbat formatidan qanday baho berasiz: nima yoqdi va nima yaxshilanishi kerakligini ayting.

O'zingizni qanday baholaysiz?

Haqiqiy loyihada ziddiyatli misollar muammosini qanday aniqlab, hal qilganingiz haqida misol keltiring.

Amaliy vazifa AI yangi LLM chiqarish bo'yicha qaror qabul qilish uchun kod yaratdi. Uni ko'rib chiq: uni shunday o'zgartirki, tahrirchi mavzuli segmentlar bo'yicha versiyalar sifatini solishtira olsin, baholashlar tarqalishini ko'rsin va kichik ma'lumotlar guruhida yomonlashish xavfini aniqlasin. import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') summary = scores.groupby('model_version')['score'].mean() plt.bar(summary.index, summary.values) plt.title('Model sifatlari') plt.ylabel('Oʻrtacha baho') plt.show() print('Eng yaxshi versiya:', summary.idxmax()) --- import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') stats = ( scores.groupby(["topic", "model_version"])["score"] .agg(["mean", "std", "count"]) .reset_index() ) print(stats) for topic, group in scores.groupby("topic"): group.boxplot(column="score", by="model_version") plt.title(f"Mavzu: {topic}") plt.suptitle("") plt.ylabel("Baholash") plt.show() small_groups = stats[stats["count"] < 30] print("Kichik guruhlar - xulosalar ishonchli emas:") print(small_groups)

Yarim stavka va kombinatsiya loyihalarini ko'rib chiqishga tayyormisiz?

Amaliy vazifa AI yangi LLM chiqarilishi bo'yicha qaror qabul qilish uchun kod yaratdi. Ko'rib chiqish o'tkazing: uni shunday o'zgartiringki, tahrirchi tematik segmentlar bo'yicha versiyalar sifatini solishtira olsin, baholashlarning tarqalishini ko'rsin va kichik ma'lumotlar guruhida yomonlashish xavfini aniqlasin. import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') summary = scores.groupby('model_version')['score'].mean() plt.bar(summary.index, summary.values) plt.title('Model sifatlari') plt.ylabel('O`rtacha baho') plt.show() print('Eng yaxshi versiya:', summary.idxmax())

Tajriba natijalarining kelib chiqishini qanday ta'minlaysiz, shunda o'lchovlar qayerdan kelib chiqishini aniq tushunishingiz mumkin?

LLM ning ikki versiyasini taqqoslashdan bir kun oldin, eksperimenti kodining shoxida mavjudligi, ammo ma'lumotlarning aniq versiyasi va LoRA parametrlari belgilangan emasligi aniqlangan. Kelgusi ikki kun uchun birinchi inkrement sifatida nima tanlaysiz va ongli ravishda nima uchun voz kechasiz?

Hozirda Yandex yoki Alfa kabi katta texnologiya kompaniyalari bilan suhbatlar bormi?

Bunday tajribalar davomida odatda ma'lumotlar va modellarning versiyalarini qanday boshqarasiz?

Amaliy vazifa LoRA ning ikki ishga tushirilishini halol tarzda taqqoslash imkonini beradigan artefaktlar to'plami nima? - Faqat sifat jadvali. - Kod va yakuniy metrika skrinshoti bilan commit. - Eksperimentning kod va konfiguratsiya fayli. - Kod, ma'lumotlar xeshi, asosiy model, LoRA konfiguratsiyasi, bog'liqliklar va ishga tushirish komandasi. - Faqat Git tarmog'iga havola. - Kod, LoRA parametrlari, asosiy model versiyasi va bog'liqliklar.

Loyihaga tayyor bo'lasizmi?