50 otázek a odpovědí na rozhovor o strojovém učení (2025)

Od: Evelyn Clarkeová Evelyn Clarkeová
Hours aktualizováno

Zde jsou otázky a odpovědi na pohovor Machine Learning pro čerstvější i zkušené kandidáty, aby získali svou vysněnou práci.

 

Otázky a odpovědi Viva pro strojové učení pro osvěžovače

1) Co je strojové učení?

Strojové učení je obor informatiky, který se zabývá systémovým programováním za účelem automatického učení a zlepšování se zkušenostmi. Například: Roboti jsou naprogramováni tak, aby mohli provádět úkoly na základě dat, která shromažďují ze senzorů. Automaticky se učí programy z dat.

👉 Zdarma ke stažení PDF: Otázky a odpovědi pro rozhovor o strojovém učení >>

2) Zmínit rozdíl mezi dolováním dat a strojovým učením?

Strojové učení se týká studia, návrhu a vývoje algoritmů, které dávají počítačům schopnost učit se, aniž by byly explicitně naprogramovány. Zatímco data mining může být definován jako proces, ve kterém se nestrukturovaná data snaží extrahovat znalosti nebo neznámé zajímavé vzorce. Během tohoto procesního stroje se používají učící algoritmy.

3) Co je to „overfitting“ ve strojovém učení?

In strojové učení, kdy statistický model popisuje náhodnou chybu nebo šum namísto základního vztahu „overfitting“. Když je model nadměrně složitý, je normálně pozorováno přepínání, protože má příliš mnoho parametrů s ohledem na počet typů trénovacích dat. Model vykazuje slabý výkon, který byl přefitován.

4) Proč dochází k nadměrnému vybavení?

Existuje možnost nadměrného vybavení, protože kritéria použitá pro trénování modelu nejsou stejná jako kritéria použitá k posouzení účinnosti modelu.

5) Jak se můžete vyhnout nadměrnému vybavení?

Použitím velkého množství dat se lze vyhnout nadměrnému přizpůsobení, k nadměrnému přizpůsobení dochází relativně, protože máte malý soubor dat a snažíte se z toho poučit. Ale pokud máte malou databázi a jste nuceni přijít s modelem založeným na tom. V takové situaci můžete použít techniku ​​známou jako křížové ověření. V této metodě se datová sada rozdělí na dvě části, testovací a trénovací datové sady, testovací datová sada bude pouze testovat model, zatímco v trénovací datové sadě budou s modelem přicházet datové body.

V této technice je modelu obvykle dána datová sada známých dat, na kterých je spuštěn trénink (tréninková datová sada), a datová sada neznámých dat, proti kterým je model testován. Myšlenkou křížové validace je definovat datovou sadu pro „testování“ modelu ve fázi školení.

6) Co je indukční strojové učení?

Induktivní strojové učení zahrnuje proces učení na příkladech, kdy se systém ze souboru pozorovaných případů snaží vyvolat obecné pravidlo.

7) Jakých je pět populárních algoritmů strojového učení?

  • Rozhodovací stromy
  • Neuronové sítě (zpětné šíření)
  • Pravděpodobnostní sítě
  • Nejbližší soused
  • Podpora vektorových strojů

8) Jaké jsou různé techniky algoritmů ve strojovém učení?

Různé typy technik strojového učení jsou

9) Jaké jsou tři fáze vytváření hypotéz nebo modelu ve strojovém učení?

  • Vytváření modelu
  • Testování modelu
  • Aplikace modelu

10) Jaký je standardní přístup k učení pod dohledem?

Standardní přístup k řízenému učení je rozdělit sadu příkladů na trénovací sadu a test.

11) Co je to „Tréninková sada“ a „Testovací sada“?

V různých oblastech informační vědy, jako je strojové učení, se soubor dat používá k objevování potenciálně prediktivního vztahu známého jako „školicí sada“. Tréninková sada je příklad poskytnutý studentovi, zatímco testovací sada se používá k testování přesnosti hypotéz generovaných studentem, a je to soubor příkladů, které student zadržuje. Tréninková sada se liší od testovací sady.

12) Uveďte různé přístupy ke strojovému učení?

Různé přístupy ve strojovém učení jsou

  • Koncepce vs klasifikační učení
  • Symbolické vs statistické učení
  • Induktivní vs analytické učení

13) Co není strojové učení?

14) Vysvětlete, jaká je funkce „učení bez dozoru“?

  • Najděte shluky dat
  • Najděte nízkorozměrné reprezentace dat
  • Najděte zajímavé směry v datech
  • Zajímavé souřadnice a korelace
  • Najděte nová pozorování / čištění databáze

15) Vysvětlete, jaká je funkce „učení pod dohledem“?

  • Klasifikace
  • Rozpoznávání řeči
  • Regrese
  • Předvídat časové řady
  • Anotujte řetězce

16) Co je strojové učení nezávislé na algoritmu?

Strojové učení, kde jsou matematické základy nezávislé na jakémkoli konkrétním klasifikátoru nebo algoritmu učení, se nazývá strojové učení nezávislé na algoritmu?

17) Jaký je rozdíl mezi umělým učením a strojovým učením?

Navrhování a vývoj algoritmů podle chování založeného na empirických datech se nazývá strojové učení. Zatímco umělá inteligence kromě strojového učení zahrnuje také další aspekty, jako je reprezentace znalostí, zpracování přirozeného jazyka, plánování, robotika atd.

18) Co je klasifikátor ve strojovém učení?

Klasifikátor ve strojovém učení je systém, který zadává vektor hodnot diskrétních nebo spojitých vlastností a vydává jedinou diskrétní hodnotu, třídu.

19) Jaké jsou výhody Naive Bayes?

V Naïve Bayes klasifikátor bude konvergovat rychleji než diskriminační modely, jako je logistická regrese, takže potřebujete méně tréninkových dat. Hlavní výhodou je, že se nedokáže naučit interakce mezi funkcemi.

20) V jakých oblastech se rozpoznávání vzorů používá?

Rozpoznávání vzoru lze použít v

  • Počítačové vidění
  • Rozpoznávání řeči
  • Data Mining
  • Statistika
  • Neformální vyhledávání
  • Bioinformatika

Otázky k pohovoru o strojovém učení pro zkušené

21) Co je genetické programování?

Genetické programování je jednou ze dvou technik používaných ve strojovém učení. Model je založen na testování a výběru nejlepší volby ze sady výsledků.

22) Co je indukční Logic Programování ve strojovém učení?

Induktivní Logic Programování (ILP) je podobor strojového učení, který využívá logické programování představující základní znalosti a příklady.

23) Co je výběr modelu ve strojovém učení?

Proces výběru modelů mezi různými matematickými modely, které se používají k popisu stejného souboru dat, se nazývá výběr modelu. Výběr modelu je aplikován na oblasti statistiky, strojového učení a dolování dat.

24) Jaké dvě metody se používají pro kalibraci v supervizovaném učení?

Dvě metody používané pro predikci dobrých pravděpodobností v supervizovaném učení jsou

  • Platt kalibrace
  • Izotonická regrese

Tyto metody jsou určeny pro binární klasifikaci a není to triviální.

25) Která metoda se často používá, aby se zabránilo nadměrnému vybavení?

Je-li k dispozici dostatek údajů, používá se „Izotonická regrese“, aby se předešlo problému s přesazením.

26) Jaký je rozdíl mezi heuristikou pro učení pravidel a heuristikou pro rozhodovací stromy?

Rozdíl je v tom, že heuristika pro rozhodovací stromy hodnotí průměrnou kvalitu řady nesouvislých množin, zatímco studenti pravidla hodnotí pouze kvalitu množiny instancí, která je pokryta kandidátským pravidlem.

27) Co je to Perceptron ve strojovém učení?

Ve strojovém učení je Perceptron řízený algoritmus učení pro binární klasifikátory, kde binární klasifikátor je rozhodující funkcí, zda vstup představuje vektor nebo číslo.

28) Vysvětlete dvě složky programu Bayesovské logiky?

Bayesovský logický program se skládá ze dvou komponent. První složka je logická; tvoří jej soubor bayesovských klauzulí, který zachycuje kvalitativní strukturu domény. Druhá složka je kvantitativní, kóduje kvantitativní informace o doméně.

29) Co jsou Bayesovské sítě (BN)?

Bayesovská síť se používá k reprezentaci grafického modelu pro vztah pravděpodobnosti mezi množinou proměnných.

30) Proč se instanční výukový algoritmus někdy označuje jako líný výukový algoritmus?

Algoritmus učení založený na instancích je také označován jako algoritmus líného učení, protože zpožďuje proces indukce nebo zobecnění, dokud není provedena klasifikace.

31) Jaké jsou dvě klasifikační metody, které SVM ( Support Vector Machine ) zvládne?

  • Kombinování binárních klasifikátorů
  • Modifikace binárního kódu tak, aby zahrnoval vícetřídní učení

32) Co je souborové učení?

Pro řešení konkrétního výpočetního programu je strategicky generováno a kombinováno více modelů, jako jsou klasifikátory nebo experti. Tento proces je známý jako souborové učení.

33) Proč se používá souborové učení?

Ensemble learning se používá ke zlepšení klasifikace, predikce, aproximace funkcí atd. modelu.

34) Kdy použít souborové učení?

Ensemble learning se používá, když vytváříte klasifikátory komponent, které jsou přesnější a na sobě nezávislé.

35) Jaká jsou dvě paradigmata souborových metod?

Dvě paradigmata souborových metod jsou

SOUVISEJÍCÍ ČLÁNKY

  • Sekvenční souborové metody
  • Metody paralelního souboru

36) Jaký je obecný princip souborové metody a co je pytlování a posilování v souborové metodě?

Obecným principem souborové metody je kombinovat předpovědi několika modelů sestavených s daným algoritmem učení, aby se zlepšila robustnost oproti jedinému modelu. Pytlování je metoda v souboru pro zlepšení nestabilních odhadů nebo klasifikačních schémat. Zatímco boosting metody se používají postupně ke snížení zkreslení kombinovaného modelu. Boosting a Baging oba mohou snížit chyby snížením termínu rozptylu.

37) Co je bias-variance rozklad klasifikační chyby v souborové metodě?

Očekávanou chybu algoritmu učení lze rozložit na zkreslení a rozptyl. Předpojatý termín měří, jak blízko se průměrný klasifikátor vytvořený učícím algoritmem shoduje s cílovou funkcí. Pojem rozptylu měří, jak moc kolísá předpověď učícího algoritmu pro různé tréninkové sady.

38) Co je to algoritmus přírůstkového učení v souboru?

Metoda inkrementálního učení je schopnost algoritmu učit se z nových dat, která mohou být dostupná poté, co byl klasifikátor již vygenerován z již dostupné datové sady.

39) K čemu slouží PCA, KPCA a ICA?

PCA (analýza hlavních součástí), KPCA (analýza hlavních součástí založená na jádře) a ICA (analýza nezávislých součástí) jsou důležité techniky extrakce vlastností používané pro redukci rozměrů.

40) Co je redukce rozměrů ve strojovém učení?

Ve strojovém učení a statistice je redukce dimenzí proces snižování počtu uvažovaných náhodných proměnných a lze jej rozdělit na výběr prvků a extrakci prvků.

41) Co jsou podpůrné vektorové stroje?

Podpůrné vektorové stroje jsou řízené učební algoritmy používané pro klasifikaci a regresní analýzu.

42) Jaké jsou součásti technik relačního hodnocení?

Důležitými složkami technik vztahového hodnocení jsou

  • Data Acquisition
  • Získávání základní pravdy
  • Technika křížové validace
  • Typ dotazu
  • Bodovací metrika
  • Test významnosti

43) Jaké jsou různé metody sekvenčního supervizovaného učení?

Existují různé metody řešení problémů sekvenčního supervizovaného učení

  • Metody posuvných oken
  • Opakovaná posuvná okna
  • Skryté modely Markow
  • Markowovy modely maximální entropie
  • Podmíněná náhodná pole
  • Sítě grafových transformátorů

44) V jakých oblastech robotiky a zpracování informací vzniká problém sekvenční predikce?

Oblasti v robotice a zpracování informací, kde vzniká problém sekvenční predikce, jsou

  • Imitační učení
  • Strukturovaná předpověď
  • Modelové posilovací učení

45) Co je dávkové statistické učení?

Techniky statistického učení umožňují naučit se funkci nebo prediktor ze souboru pozorovaných dat, které mohou předpovídat neviditelná nebo budoucí data. Tyto techniky poskytují záruky výkonu naučeného prediktoru na budoucích neviditelných datech na základě statistického předpokladu procesu generování dat.

46) Co je PAC Learning?

Učení PAC (Probably Approximately Correct) je rámec učení, který byl zaveden za účelem analýzy algoritmů učení a jejich statistické účinnosti.

47) Do jakých různých kategorií můžete kategorizovat proces sekvenčního učení?

  • Predikce sekvence
  • Generování sekvencí
  • Sekvenční rozpoznávání
  • Sekvenční rozhodnutí

48) Co je sekvenční učení?

Sekvenční učení je metoda výuky a učení logickým způsobem.

49) Jaké jsou dvě techniky strojového učení?

Existují dvě techniky strojového učení

  • Genetické programování
  • Induktivní učení

50) Uveďte oblíbenou aplikaci strojového učení, kterou vidíte každý den?

Nástroj doporučení implementovaný hlavními weby elektronického obchodu využívá strojové učení.

Tyto otázky na pohovoru také pomohou ve vašem životě (ústních)