Gids-gekoppelde quiz · Moeilijk Niveau
Hoe word je een AI-ingenieurquiz?
Test de routekaart voor het leren van AI-ingenieurs, hoe pijplijnen voor het genereren van ophaalmogelijkheden werken en waarom het afzonderlijk evalueren van het ophalen en genereren van belang is.
Vraag 1 van 8
Hoe verschilt de focus van een AI-ingenieur van die van een machine learning-ingenieur, volgens de gids?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Hoe verschilt de focus van een AI-ingenieur van die van een machine learning-ingenieur, volgens de gids?
- AI engineers design GPUs, while ML engineers write prompts
- AI engineers build applications on top of existing foundation models, while ML engineers train and deploy models
- AI engineers only do data analysis and statistics
- There is no difference between the two roles
- Waarom raadt de gids aan om onbewerkte LLM-API's te leren vóór frameworks zoals LangChain?
- Frameworks are illegal to use commercially
- Raw APIs are always faster to write
- Frameworks cannot call LLMs
- It makes debugging any framework much easier later
- Wat is het Model Context Protocol?
- An open standard for connecting models to tools and data
- A law regulating AI engineers
- Een methode voor het comprimeren van modelgewichten
- A benchmark for measuring model accuracy
- Wat gebeurt er in een RAG-pijplijn tijdens opname?
- The model is retrained on each user question
- Users rate answers from one to five stars
- Documents are chunked, embedded and stored with metadata
- The system deletes old documents every day
- Waarom zou een systeem naast een vectorzoekopdracht ook een BM25-zoekopdracht op trefwoord kunnen uitvoeren?
- To catch exact keyword matches such as names and codes that embeddings may miss
- Because vector search cannot return more than one result
- To avoid storing any metadata
- Because BM25 generates the final answer text
- What does recall at k measure in RAG evaluation?
- How quickly the model generates each token
- Whether the correct chunk appears among the top k retrieved results
- How many users return to the app after k days
- The number of words in the final answer
- According to the guide, where do many wrong RAG answers trace back to?
- The user's internet connection
- The model's temperature setting always being too low
- The programming language used
- Retrieval failures rather than the model itself
- Which misconception does the guide correct about starting in AI engineering?
- That solid software engineering matters
- That evaluations help catch regressions
- That you need a PhD or advanced mathematics to begin
- That prompt injection is a security concern