Вопросы на собеседовании: Machine Learning

Короче, вот эта новая задача по OCR-ресерчу тоже взял в работу.

Что, в каком случае, чем мы в каком случае пользуемся?

Расскажи все, что ты знаешь про Иванова Ивана. Он это условно маскирует. Типа, имя 1. Посылает в LLM. Типа, расскажи все, что ты знаешь про имя 1. LLM что-то генерирует. Какую-то абстрактную штуку. Посылает это нам обратно на роутер. И в роутере проходит вторая замена. То есть снова у нас имя 1, но меняется на Иванова Ивана. И юзер снова получает вот эту информацию, что ответ LLM, в котором будет написано Иванова Ивана. Ну да, в идеале должно работать так. Где хранится, в момент, пока LLM обрабатывает запрос, вот этот sensitive данные у нас?

Если мы условную PDF-ку посылаем, мы на sensitive.dat проверяем только содержимое PDF-ки или методатные PDF-ки мы тоже проверяем?

Откуда ты брал этот golden dataset, на чем мы это все проверяем?

Как настраивается выбор режимов работы системы (блокировка, оповещение, маскирование)?

Как я понял, после препроцессирования у вас есть несколько фотографий из одного поста. Это могут быть разные машины и фотографии, и вам нужно их детектировать. У вас есть визуальный модуль, который подчеркивает эмбэдинги. Можете рассказать нам больше?

Представьте, что у вас есть изображения двух разных автомобилей. Вы вычисляете их эмбеддинги и измеряете расстояние между ними. Какой метод вы бы использовали для определения предпочтительного автомобиля на основе этих эмбеддингов?

Вы упомянули про модель CatBoost. Можете рассказать о ней подробнее?

Какие другие эмбедии, например цвет, вы упоминали? У вас есть отдельный модуль для этого?

Вы использовали какие-то аугментации для тренировки визуального модуля?

Приведите пример вашей идеи/модификации в архитектуре модели, которая улучшила результат

Приведите пример вашей идеи в модификации архитектуры, которая дала буст

Что можно делать при сильном дисбалансе классов?

Как выглядит ROC-кривая? Что означает AUC = 0.5 (случайный классификатор)?

Насколько важно, чтобы эти две выборки для этой модели, которая уже обучена, насколько важно, чтобы у них было одинаковое распределение?

Как нам уменьшать дисперсию и смещение за счет особенностей этих архитектур?

Как работает алгоритм консистентного хеширования?

Что такое ансамблевые методы в машинном обучении и как они могут быть использованы для улучшения производительности моделей?

Каковы основные шаги для анализа требований и ограничений в проекте машинного обучения?