Top 50 vragen en antwoorden over datawetenschap-interviews (pdf)
Redactie
Hier zijn Data Science-interviewvragen en antwoorden voor zowel nieuwere als ervaren kandidaten om hun droombaan te krijgen.
Interviewvragen over datawetenschap voor eerstejaarsstudenten
1. Wat is datawetenschap?
Data Science is het vakgebied dat zich bezighoudt met...tracHet verkrijgen van inzichten uit enorme hoeveelheden data met behulp van diverse wetenschappelijke methoden, algoritmen en processen. Het helpt je om verborgen patronen in de ruwe data te ontdekken. De term Data Science is ontstaan door de evolutie van wiskundige statistiek, data-analyse en big data.
2. Wat is het verschil tussen datawetenschap en machinaal leren?
data Science is een combinatie van algoritmen, tools en machine learning-technieken die u helpen om veelvoorkomende verborgen patronen te vinden in de gegeven ruwe data. Terwijl machine learning een tak van computerwetenschappen is, die zich bezighoudt met systeemprogrammering om automatisch te leren en te verbeteren met ervaring.
3. Noem drie soorten bias die kunnen optreden tijdens het nemen van monsters
Bij het bemonsteringsproces zijn er drie soorten bias, namelijk:
- Selectie vooroordeel
- Onder dekkingsbias
- Overlevingsvooroordeel
4. Bespreek het beslissingsboomalgoritme
Een beslisboom is een populair machine learning-algoritme onder toezicht. Het wordt voornamelijk gebruikt voor regressie en classificatie. Het maakt het mogelijk een dataset op te splitsen in kleinere subsets. De beslissingsboom kan zowel categorische als numerieke gegevens verwerken.
5. Wat is voorafgaande waarschijnlijkheid en waarschijnlijkheid?
Voorafgaande waarschijnlijkheid is het aandeel van de afhankelijke variabele in de dataset, terwijl de waarschijnlijkheid de waarschijnlijkheid is dat een bepaalde waarnemer wordt geclassificeerd in de aanwezigheid van een andere variabele.
6. Aanbevelingssystemen uitleggen?
Het is een subklasse van informatiefiltertechnieken. Het helpt u de voorkeuren of beoordelingen te voorspellen die gebruikers waarschijnlijk aan een product zullen geven.
7. Noem drie nadelen van het gebruik van een lineair model
Drie nadelen van het lineaire model zijn:
- De aanname van lineariteit van de fouten.
- U kunt dit model niet gebruiken voor binaire of telresultaten
- Er zijn tal van problemen met overfitting die niet kunnen worden opgelost
8. Waarom moet u resampling uitvoeren?
In de onderstaande gevallen wordt opnieuw bemonsterd:
- Het schatten van de nauwkeurigheid van steekproefstatistieken door willekeurig met vervanging een reeks gegevenspunten te trekken of door ze als subsets van toegankelijke gegevens te gebruiken
- Vervangen van labels op datapunten bij het uitvoeren van noodzakelijke tests
- Validatie van modellen met behulp van willekeurige subsets
9. Maak een lijst van de bibliotheken in Python gebruikt voor data-analyse en wetenschappelijke berekeningen.
10. Wat is machtsanalyse?
De vermogensanalyse is een integraal onderdeel van het experimentele ontwerp. Het helpt u bij het bepalen van de steekproefomvang die nodig is om het effect van een bepaalde omvang op een oorzaak met een specifiek niveau van zekerheid te achterhalen. Hiermee kunt u ook een bepaalde waarschijnlijkheid inzetten in een beperking van de steekproefomvang.
11. Leg collaboratief filteren uit
Collaboratief filteren wordt gebruikt om naar correcte patronen te zoeken door samenwerkende gezichtspunten, meerdere gegevensbronnen en verschillende agenten.
12. Wat is vooringenomenheid?
Bias is een fout die in uw model wordt geïntroduceerd vanwege de oversimplificatie van een machine learning-algoritme.” Het kan leiden tot onderbezetting.
13. Bespreek 'Naïef' in een Naïef Bayes-algoritme?
Het naïeve Bayes-algoritmemodel is gebaseerd op de stelling van Bayes. Het beschrijft de waarschijnlijkheid van een gebeurtenis. Het is gebaseerd op voorkennis van omstandigheden die mogelijk verband houden met die specifieke gebeurtenis.
14. Wat is een lineaire regressie?
Lineaire regressie is een statistische programmeermethode waarbij de score van een variabele 'A' wordt voorspeld op basis van de score van een tweede variabele 'B'. B wordt de voorspellende variabele genoemd en A de criteriumvariabele.
15. Geef het verschil aan tussen de verwachte waarde en de gemiddelde waarde
Er zijn niet veel verschillen, maar beide termen worden in verschillende contexten gebruikt. Over het algemeen wordt naar de gemiddelde waarde verwezen wanneer u een waarschijnlijkheidsverdeling bespreekt, terwijl naar de verwachte waarde wordt verwezen in de context van een willekeurige variabele.
16. Wat is het doel van het uitvoeren van A/B-testen?
AB-testen werden gebruikt om willekeurige experimenten uit te voeren met twee variabelen, A en B. Het doel van deze testmethode is om veranderingen in een webpagina te ontdekken om de uitkomst van een strategie te maximaliseren of te vergroten.
17. Wat is ensembleleren?
Het ensemble is een methode om een gevarieerde groep leerlingen te combineren om te improviseren op de stabiliteit en voorspellende kracht van het model. Er zijn twee soorten Ensemble-leermethoden:
bagging
De Bagging-methode helpt u vergelijkbare leerlingen te implementeren in kleine steekproefpopulaties. Het helpt u om nauwkeurigere voorspellingen te doen.
De prestaties van
Boosting is een iteratieve methode waarmee u het gewicht van een observatie kunt aanpassen op basis van de laatste classificatie. Boosting vermindert de bias error en helpt u om sterke voorspellende modellen te bouwen.
18. Verklaar eigenwaarde en eigenvector
Eigenvectoren worden gebruikt om lineaire transformaties te begrijpen. Datawetenschappers moeten de eigenvectoren berekenen voor een covariantiematrix of correlatie. Eigenwaarden zijn de richtingen waarlangs een specifieke lineaire transformatie werkt door te comprimeren, om te keren of te spiegelen.ping, of strekken.
19. Definieer de term kruisvalidatie
Kruisvalidatie is een validatietechniek om te evalueren hoe de uitkomsten van statistische analyses zullen generaliseren voor een onafhankelijke dataset. Deze methode wordt gebruikt in achtergronden waar het doel wordt voorspeld en men moet inschatten hoe nauwkeurig een model zal presteren.
20. Leg de stappen uit voor een data-analyseproject
De volgende stappen zijn belangrijk bij een analyseproject:
- Begrijp het zakelijke probleem
- Verken de gegevens en bestudeer deze zorgvuldig.
- Bereid de gegevens voor op modellering door ontbrekende waarden te vinden en variabelen te transformeren.
- Begin met het uitvoeren van het model en analyseer het Big data-resultaat.
- Valideer het model met een nieuwe dataset.
- Implementeer het model en track het resultaat om de prestaties van het model voor een specifieke periode te analyseren.
21. Bespreek kunstmatige neurale netwerken
Kunstmatige neurale netwerken (ANN) zijn een speciale verzameling algoritmen die beschikken over revolutGeïoniseerde machine learning. Het helpt je om je aan te passen aan veranderende input. Zo genereert het netwerk het best mogelijke resultaat zonder de outputcriteria opnieuw te hoeven definiëren.
22. Wat is terugpropagatie?
Back-propagatie is de essentie van neurale nettraining. Het is de methode om de gewichten van een neuraal net af te stemmen op basis van het foutenpercentage dat in het vorige tijdperk is verkregen. Door de juiste afstemming van het model kunt u de foutpercentages verminderen en het model betrouwbaar maken door de generalisatie ervan te vergroten.
23. Wat is een willekeurig bos?
Random forest is een machine learning-methode waarmee u alle soorten regressie- en classificatietaken kunt uitvoeren. Het wordt ook gebruikt voor het behandelen van ontbrekende waarden en uitbijterwaarden.
24. Wat is het belang van een selectiebias?
Selectiebias treedt op wanneer er geen specifieke randomisatie wordt bereikt bij het kiezen van individuen, groepen of gegevens die moeten worden geanalyseerd. Het suggereert dat de gegeven steekproef niet precies de populatie vertegenwoordigt die bedoeld was om te worden geanalyseerd.
25. Wat is de K-means clusteringmethode?
K-means clustering is een belangrijke onbegeleide leermethode. Het is een techniek om gegevens te classificeren met behulp van een bepaalde set clusters, de zogenaamde K-clusters. Het wordt ingezet voor het groeperen van gegevens.ping om de overeenkomst in de gegevens te achterhalen.
Sollicitatievragen voor datawetenschappers voor ervaren
26. Leg het verschil uit tussen Data Science en Data Analytics
Datawetenschappers moeten data filteren om...tracDatawetenschappers bieden waardevolle inzichten die een data-analist kan toepassen op concrete zakelijke scenario's. Het belangrijkste verschil tussen datawetenschappers en businessanalisten is dat datawetenschappers meer technische kennis hebben dan businessanalisten. Bovendien hoeven ze geen diepgaand inzicht in de bedrijfsvoering te hebben dat nodig is voor datavisualisatie.
27. Verklaar de p-waarde?
Wanneer u een hypothesetest in de statistiek uitvoert, kunt u met een p-waarde de sterkte van uw resultaten bepalen. Het is een numeriek getal tussen 0 en 1. Op basis van de waarde kunt u de sterkte van het specifieke resultaat aangeven.
28. Definieer de term diep leren
Deep Learning is een subtype van machine learning. Het houdt zich bezig met algoritmes die zijn geïnspireerd door de structuur genaamd kunstmatige neurale netwerken (ANN).
29. Leg de methode uit om gegevens te verzamelen en te analyseren om sociale media te gebruiken om de weersomstandigheden te voorspellen.
Je kunt sociale mediagegevens verzamelen via Facebook, Twitter, InstagramAPI's van 's. Bijvoorbeeld, voor de Twitteraar kunnen we van elke tweet een kenmerk maken, zoals de datum van de tweet, retweets, lijst met volgers, enzovoort. Vervolgens kun je een multivariate tijdreeksmodel gebruiken om de weersomstandigheden te voorspellen.
30. Wanneer moet je het algoritme in Data Science updaten?
U moet een algoritme bijwerken in de volgende situatie:
- U wilt dat uw datamodel evolueert als datastromen die gebruik maken van infrastructuur
- De onderliggende gegevensbron verandert als deze niet-stationariteit is
31. Wat is normale verdeling
Een normale verdeling is een verzameling van een continue variabele, verdeeld over een normale curve of in de vorm van een belcurve. Je kunt het beschouwen als een continue kansverdeling die nuttig is in de statistiek. Het is nuttig om de variabelen en hun relaties te analyseren wanneer we de normale verdelingscurve gebruiken.
32. Welke taal is het beste voor tekstanalyse? R of Python?
Python zal meer geschikt zijn voor tekstanalyse omdat het bestaat uit een rijke bibliotheek die bekend staat als panda's. Hiermee kunt u op hoog niveau gebruiken tools voor gegevensanalyse en datastructuren, terwijl R deze functie niet biedt.
33. Leg de voordelen uit van het gebruik van statistieken door datawetenschappers
Statistieken helpen datawetenschappers om een beter beeld te krijgen van de verwachtingen van de klant. Met behulp van de statistische methode kunnen datawetenschappers kennis opdoen over consumenteninteresse, gedrag, betrokkenheid, retentie, enz. Het helpt u ook krachtige datamodellen te bouwen om bepaalde gevolgtrekkingen en voorspellingen te valideren.
34. Noem verschillende soorten Deep Learning Frameworks
- pytorch
- Microsoft Cognitive Toolkit
- TensorFlow
- Caffe
- Chainers
- Keras
35.Auto-encoder uitleggen
Autoencoders zijn lerende netwerken. Het helpt u om inputs om te zetten in outputs met minder fouten. Dit betekent dat u output krijgt die zo dicht mogelijk bij de input ligt.
36. Definieer Boltzmann-machine
Boltzmann machines is een eenvoudig leeralgoritme. Het helpt u om die kenmerken te ontdekken die complexe regelmatigheden in de trainingsdata vertegenwoordigen. Dit algoritme stelt u in staat om de gewichten en de hoeveelheid voor het gegeven probleem te optimaliseren.
37. Leg uit waarom het opschonen van gegevens essentieel is en welke methode u gebruikt om gegevens schoon te houden
Vuile gegevens leiden vaak tot onjuiste gegevens binnenin, wat de vooruitzichten van elke organisatie kan schaden. Bijvoorbeeld als u een gerichte marketingcampagne wilt voeren. Onze gegevens vertellen u echter ten onrechte dat een specifiek product veelgevraagd zal zijn bij uw doelgroep; de campagne zal mislukken.
38. Wat is scheve distributie en uniforme distributie?
Scheve distributie treedt op wanneer gegevens aan één kant van de grafiek worden gedistribueerd, terwijl uniforme distributie wordt geïdentificeerd wanneer de gegevens worden verspreid, gelijk is in het bereik.
39. Wanneer er sprake is van onderfitting in een statisch model?
Onderfitting vindt plaats wanneer een statistisch model of machine learning-algoritme niet in staat is de onderliggende trend van de gegevens vast te leggen.
40. Wat is versterkend leren?
Reinforcement Learning is een leermechanisme over hoe je situaties kunt omzetten in acties. Het eindresultaat zou u moeten helpen het binaire beloningssignaal te vergroten. Bij deze methode wordt een leerling niet verteld welke actie hij moet ondernemen, maar moet hij in plaats daarvan ontdekken welke actie een maximale beloning oplevert. Omdat deze methode gebaseerd is op het belonings-/strafmechanisme.
41. Noem veelgebruikte algoritmen.
De vier meest gebruikte algoritmen van Data Scientist zijn:
- Lineaire regressie
- Logistische regressie
- Willekeurig bos
- KNN
42. Wat is precisie?
Precisie is de meest gebruikte foutmetriek in een classificatiemechanisme. Het bereik loopt van 0 tot 1, waarbij 1 100% vertegenwoordigt
43. Wat is een univariate analyse?
Een analyse die op geen enkel attribuut tegelijk wordt toegepast, staat bekend als univariate analyse. Boxplot wordt veel gebruikt, univariate model.
44. Hoe overwint u problemen met uw bevindingen?
Om de uitdagingen van mijn bevindingen te overwinnen, moet je discussie aanmoedigen, leiderschap tonen en verschillende opties respecteren.
45. Leg de cluster sampling techniek in Data science uit
Een clustersteekproefmethode wordt gebruikt wanneer het lastig is om de doelpopulatie verspreid te bestuderen en eenvoudige aselecte steekproeven niet kunnen worden toegepast.
46. Geef het verschil aan tussen een validatieset en een testset
Een validatieset die meestal wordt beschouwd als onderdeel van de trainingsset, omdat deze wordt gebruikt voor parameterselectie, waardoor u overfitting van het model dat wordt gebouwd, kunt voorkomen.
Terwijl een testset wordt gebruikt voor het testen of evalueren van de prestaties van een getraind machine learning-model.
47. Leg de term binomiale waarschijnlijkheidsformule uit?
“De binomiale verdeling bevat de kansen op elk mogelijk succes bij N-proeven voor onafhankelijke gebeurtenissen met een waarschijnlijkheid van π.”
48. Wat is een terugroepactie?
Een terugroepactie is de verhouding tussen het werkelijk positieve percentage en het daadwerkelijke positieve percentage. Het varieert van 0 tot 1.
49. Bespreek de normale verdeling
Normale verdeling gelijk verdeeld als zodanig zijn het gemiddelde, de mediaan en de modus gelijk.
50. Hoe kun je tijdens het werken aan een dataset belangrijke variabelen selecteren? Uitleggen
De volgende methoden voor variabelenselectie kunt u gebruiken:
- Verwijder de gecorreleerde variabelen voordat u belangrijke variabelen selecteert
- Gebruik lineaire regressie en selecteer variabelen die afhankelijk zijn van die p-waarden.
- Gebruik achterwaartse, voorwaartse selectie en stapsgewijze selectie
- Gebruik Xgboost, Random Forest en plot de belangrijkheidsgrafiek van variabelen.
- Meet de informatiewinst voor de gegeven reeks functies en selecteer dienovereenkomstig de top n-functies.
51. Is het mogelijk om de correlatie tussen continue en categorische variabelen vast te leggen?
Ja, we kunnen de analyse van de covariantietechniek gebruiken om de associatie tussen continue en categorische variabelen vast te leggen.
52. Zou het behandelen van een categorische variabele als een continue variabele resulteren in een beter voorspellend model?
Ja, de categorische waarde mag alleen als een continue variabele worden beschouwd als de variabele ordinaal van aard is. Het is dus een beter voorspellend model.
Deze interviewvragen zullen ook helpen bij je viva (oralen)
