В данном блоге доступно 37 постов на разные темы
Классический ML: постановка задачи, метрики и валидация
Темы 11–16: bias–variance, метрики классификации и регрессии, ROC-AUC против PR-AUC, метрики ранжирования и кросс-валидация без утечек. Это самая опрашиваемая часть на РФ-собесах. Именно здесь режут кандидатов, которые «умеют звать LLM …
Статистика и оптимизация: MLE, гипотезы и A/B-тесты
Темы 6–10: оценивание параметров через MLE и MAP, проверка гипотез и доверительные интервалы, A/B-тесты на практике, градиентные методы оптимизации и теория информации. 6. Оценивание параметров: MLE и MAP Важность на …
Математика для собеседования: линейная алгебра, SVD и вероятность
Темы 1–5: линейная алгебра, SVD и PCA, градиенты и backprop, база теории вероятностей и распределения — тот минимум математики, который спрашивают на ML-секции. 1. Линейная алгебра для ML Важность на …
ИИ-агенты: что им можно доверить, а что нельзя
Чат-бот отвечает на вопрос. ИИ-агент выполняет задачу: сам ходит в системы, делает несколько шагов подряд и доводит дело до результата. Разница принципиальная — и по пользе, и по риску. Gartner …
Как устроены собеседования на NLP/LLM-разработчика
Форматы и этапы интервью, обязательный минимум знаний, реальные вопросы российских компаний и техника ответа. Плюс карта приоритетов: что учить в первую очередь, а что можно пропустить. Уровень: Middle → Senior …
«Ты чего гонишь?», или LLM-галлюцинации
Галлюцинация LLM — генерация уверенного, но фактически неверного или выдуманного текста. Первопричина: Модель обучается предсказывать наиболее вероятный следующий токен на основе статистики, а не проверять факты на истинность. Она стремится …