GenAI e LangChain
LLMs (GPT, Gemini, Claude), prompting, LangChain, chains, agents, RAG, vector stores, embeddings
1O que é um LLM (Large Language Model)?
O que é um LLM (Large Language Model)?
Resposta
Um LLM é um modelo de deep learning treinado com quantidades massivas de texto para compreender e gerar linguagem natural. Esses modelos usam a arquitetura Transformer com bilhões de parâmetros, permitindo capturar nuances da linguagem, seguir instruções complexas e gerar texto coerente. GPT-4, Claude e Gemini são exemplos de LLMs usados em produção.
2Qual é a principal diferença entre prompting zero-shot e few-shot?
Qual é a principal diferença entre prompting zero-shot e few-shot?
Resposta
O zero-shot prompting pede ao modelo para realizar uma tarefa sem fornecer exemplos prévios, baseando-se apenas em instruções. O few-shot prompting inclui alguns exemplos de pares entrada/saída no prompt para guiar o modelo. O few-shot geralmente melhora o desempenho em tarefas específicas porque o modelo pode inferir o formato e estilo esperados a partir dos exemplos fornecidos.
3O que é chain-of-thought (CoT) prompting?
O que é chain-of-thought (CoT) prompting?
Resposta
Chain-of-thought prompting é uma técnica que incentiva o LLM a decompor seu raciocínio passo a passo antes de dar sua resposta final. Ao adicionar frases como 'Vamos pensar passo a passo' ou mostrar exemplos de raciocínio, melhora-se significativamente o desempenho em tarefas de raciocínio lógico, matemático ou de múltiplas etapas. Esta abordagem também torna o processo de decisão mais transparente e verificável.
O que é LangChain e qual é seu principal objetivo?
O que é uma chain em LangChain?
+21 perguntas de entrevista
Outros temas de entrevista Data Science & ML
Fundamentos de Python
Programação Orientada a Objetos em Python
Estruturas de dados em Python
Fundamentos do Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins e consultas avançadas
Pandas avançado
Visualização com Matplotlib & Seaborn
Visualizações interativas com Plotly
Estatística descritiva
Estatística inferencial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisionado: Regressão
ML Supervisionado: Classificação
Árvores de Decisão e Ensembles
ML Não Supervisionado
Pipelines ML e Validação
Séries Temporais e Previsão
Fundamentos de Deep Learning
TensorFlow & Keras
CNN e classificação de imagens
RNN e Sequências
Transformers e Attention
NLP e Hugging Face
MLOps e Implantação
Domine Data Science & ML para sua proxima entrevista
Acesse todas as perguntas, flashcards, testes tecnicos, exercicios de code review e simuladores de entrevista.
Comece gratis