pandas
pandas
Определение
Библиотека Python для обработки и анализа табличных данных, широко используемая в подготовке датасетов, фильтрации и агрегации.
Где встречается
- 32. Как вы подготовите датасет для fine-tuning, если у вас только неструктурированные диалоги с клиентами
- 378. Как работает многогранный (faceted) поиск в RAG с фильтрами
- 491. Что такое statistical power evaluation и как определять размер выборки для AB теста
- 732. Что такое EU AI Act и как оно влияет на деплой LLM в production
- Практика
- 800+ вопросов
- 9. Профилировать network congestion на 64 GPU
- 11. Конвертировать датасет из JSONL в Parquet
- 13. Сравнить S3 vs EBS для checkpoint'ов 70B
- 18. Сравнить распределенные FS (Lustre, BeeGFS, JuiceFS)
- 26. Реализовать SLO для faithfulness
- 47. Реализовать query drift детекцию
- 52. Настроить RWKV для инференса
- 54. Сравнить Hyena vs FlashAttention на 128k
- 75. Рассчитать ROI для fine-tuning
- 80. Реализовать cost attribution per feature
- 86. Реализовать user feedback loop
- 90. Реализовать user trust метрику
- 92. Профилировать GPU utilization падение
- 95. Написать runbook для synthetic data collapse
- 111. Настроить drift detection для агента
- 125. Реализовать market-based делегирование
- 130. Написать postmortem для неудачного делегирования
- 140. Рассчитать break-even point продукта
- 142. Реализовать cost-aware caching
- 143. Сравнить reserved vs spot vs on-demand
- 151. Настроить trajectory coverage
- 203. Реализовать retry storm mitigation
- 219. Сравнить inference schedulers (FCFS vs Priority)
- 248. Агент с AB тестированием
- 255. Настроить correlation метрик
- 262. Настроить дашборд для failures
- 266. Сгенерировать synthetic датасет для RAG
- 275. Реализовать active learning loop
- 299. RAG с мультиязычным поиском (русскийанглийскийкитайский)