scikit-learn

Определение

Популярная библиотека машинного обучения на Python, предоставляющая инструменты для классификации, регрессии, кластеризации, снижения размерности и оценки моделей.

Где встречается

24. Какой размер датасета нужен для fine-tuning
156. Как вы выбираете между увеличением тест-тайм компьютинга и использованием большей модели
173. Как вы оцениваете креативность LLM в production
178. Чем отличается эвалюация LLM от эвалюации традиционных ML моделей
294. Как вы калибруете вероятности LLM для classification задач
352. Что такое jailbreak taxonomy (OOD, refusal suppression, role-play, перевод)
353. Как работает embedding poisoning для RAG и как защититься
622. Как работает membership inference через logits (разница в вероятностях)
635. Как работает RAPTOR (иерархическое суммирование для длинного контекста)
638. Как работает ∇-Reasoner (градиентный спуск в пространстве токенов на этапе теста)
690. Как вы измеряете diversity синтетического датасета
693. Как вы обнаруживаете contamination (пересечение synthetic данных с тестовыми)
699. Как вы оцениваете, сколько синтетических данных нужно для fine-tuning (power analysis)
872. Что такое calibration для LLM и как её измерять (ECE)
880. Как проектировать golden dataset для agent evaluation
48. Настроить click models для implicit feedback
72. Настроить capacity planning для GPU кластера
88. Реализовать hallucination indicator
91. Написать postmortem для retrieval degradation
95. Написать runbook для synthetic data collapse
127. Реализовать outsourcing другому LLM
133. Реализовать cost-aware routing
146. Реализовать golden dataset для агента
173. Реализовать prompt lifecycle
223. Fine-tune LoRA для стиля
235. LoRA для function calling
245. RAG с semantic chunking
267. Реализовать Evol-Instruct для instruction tuning
274. Настроить self-training с псевдо-метками
275. Реализовать active learning loop
299. RAG с мультиязычным поиском (русскийанглийскийкитайский)

scikit-learn

scikit-learn

Определение

Где встречается

Навигация