50 Machine Learning Intervju Spørsmål og Svar (2025)

by: Evelyn Clarke Evelyn Clarke
Hours oppdatert

Her er Machine Learning-intervjuspørsmål og svar for ferskere så vel som erfarne kandidater for å få drømmejobben.

 

Machine Learning Viva spørsmål og svar for ferskinger

1) Hva er maskinlæring?

Maskinlæring er en gren av informatikk som omhandler systemprogrammering for å automatisk lære og forbedre med erfaring. For eksempel: Roboter er programmert slik at de kan utføre oppgaven basert på data de samler inn fra sensorer. Den lærer automatisk programmer fra data.

👉 Gratis PDF-nedlasting: Machine Learning Intervju Spørsmål og svar >>

2) Nevn forskjellen mellom Data Mining og Machine learning?

Maskinlæring er relatert til studiet, design og utvikling av algoritmene som gir datamaskiner muligheten til å lære uten å være eksplisitt programmert. Mens datautvinning kan defineres som prosessen der ustrukturerte data prøver å trekke ut kunnskap eller ukjente interessante mønstre. Under denne prosessmaskinen brukes læringsalgoritmer.

3) Hva er "Overfitting" i maskinlæring?

In maskinlæring, når en statistisk modell beskriver tilfeldig feil eller støy i stedet for underliggende forhold, oppstår 'overtilpasning'. Når en modell er for kompleks, observeres normalt overtilpasning på grunn av for mange parametere i forhold til antall treningsdatatyper. Modellen viser dårlig ytelse som har vært overfitt.

4) Hvorfor overfitting skjer?

Muligheten for overfitting eksisterer da kriteriene som brukes for å trene modellen ikke er de samme som kriteriene som brukes for å bedømme effektiviteten til en modell.

5) Hvordan kan du unngå overfitting?

Ved å bruke mye data kan overtilpasning unngås, overtilpasning skjer relativt ettersom man har et lite datasett, og man prøver å lære av det. Men hvis du har en liten database og du blir tvunget til å komme med en modell basert på det. I en slik situasjon kan du bruke en teknikk kjent som kryssvalidering. I denne metoden deler datasettet seg i to seksjoner, test- og treningsdatasett, testdatasettet vil kun teste modellen mens, i treningsdatasettet, vil datapunktene komme opp med modellen.

I denne teknikken gis en modell vanligvis et datasett med kjente data som trening (treningsdatasett) kjøres på og et datasett med ukjente data som modellen testes mot. Ideen med kryssvalidering er å definere et datasett for å "teste" modellen i opplæringsfasen.

6) Hva er induktiv maskinlæring?

Den induktive maskinlæringen involverer prosessen med å lære ved eksempler, der et system, fra et sett med observerte tilfeller prøver å indusere en generell regel.

7) Hva er de fem populære algoritmene for maskinlæring?

  • Beslutningstrær
  • Nevrale nettverk (forplantning tilbake)
  • Probabilistiske nettverk
  • Nærmeste nabo
  • Støtt vektormaskiner

8) Hva er de forskjellige algoritmeteknikkene i maskinlæring?

De forskjellige typene teknikker i maskinlæring er

9) Hva er de tre stadiene for å bygge hypotesene eller modellen i maskinlæring?

  • Modellbygg
  • Modelltesting
  • Bruk av modellen

10) Hva er standardtilnærmingen til veiledet læring?

Standardtilnærmingen til veiledet læring er å dele opp eksempelsettet i treningssettet og testen.

11) Hva er "Treningssett" og "Testsett"?

I ulike områder av informasjonsvitenskap som maskinlæring, brukes et sett med data for å oppdage det potensielt prediktive forholdet kjent som 'Training Set'. Treningssett er et eksempel gitt til eleven, mens testsett brukes til å teste nøyaktigheten av hypotesene generert av eleven, og det er eksempelsettet som holdes tilbake fra eleven. Treningssett er forskjellig fra testsett.

12) Liste ned ulike tilnærminger for maskinlæring?

De forskjellige tilnærmingene i maskinlæring er

  • Konsept kontra klassifiseringslæring
  • Symbolsk vs statistisk læring
  • Induktiv vs analytisk læring

13) Hva er ikke maskinlæring?

14) Forklar hva som er funksjonen til 'Usupervised Learning'?

  • Finn klynger av dataene
  • Finn lavdimensjonale representasjoner av dataene
  • Finn interessante retninger i data
  • Interessante koordinater og korrelasjoner
  • Finn nye observasjoner/databaseopprydding

15) Forklar hva som er funksjonen til 'Supervised Learning'?

  • klassifikasjoner
  • Talegjenkjenning
  • Regresjon
  • Forutsi tidsserier
  • Kommenter strenger

16) Hva er algoritme-uavhengig maskinlæring?

Maskinlæring hvor matematisk grunnlag er uavhengig av en bestemt klassifisering eller læringsalgoritme refereres til som algoritme-uavhengig maskinlæring?

17) Hva er forskjellen mellom kunstig læring og maskinlæring?

Å designe og utvikle algoritmer i henhold til atferd basert på empiriske data er kjent som Machine Learning. Mens kunstig intelligens i tillegg til maskinlæring, dekker den også andre aspekter som kunnskapsrepresentasjon, naturlig språkbehandling, planlegging, robotikk etc.

18) Hva er klassifisering i maskinlæring?

En klassifikator i en maskinlæring er et system som legger inn en vektor med diskrete eller kontinuerlige funksjonsverdier og sender ut en enkelt diskret verdi, klassen.

19) Hva er fordelene med Naive Bayes?

I Naive Bayes vil klassifikatoren konvergere raskere enn diskriminerende modeller som logistisk regresjon, så du trenger mindre treningsdata. Den største fordelen er at den ikke kan lære interaksjoner mellom funksjoner.

20) På hvilke områder brukes mønstergjenkjenning?

Mønstergjenkjenning kan brukes i

  • Datamaskin syn
  • Talegjenkjenning
  • Data Mining
  • Statistikk
  • Uformell henting
  • Bioinformatikk

Maskinlæringsintervjuspørsmål for erfarne

21) Hva er genetisk programmering?

Genetisk programmering er en av de to teknikkene som brukes i maskinlæring. Modellen er basert på testing og valg av det beste valget blant et sett med resultater.

22) Hva er induktivt Logic Programming i maskinlæring?

induktiv Logic Programming (ILP) er et underfelt innen maskinlæring som bruker logisk programmering som representerer bakgrunnskunnskap og eksempler.

23) Hva er modellvalg i maskinlæring?

Prosessen med å velge modeller blant ulike matematiske modeller, som brukes til å beskrive det samme datasettet er kjent som modellvalg. Modellvalg brukes på feltene statistikk, maskinlæring og datautvinning.

24) Hva er de to metodene som brukes for kalibreringen i veiledet læring?

De to metodene som brukes for å forutsi gode sannsynligheter i veiledet læring er

  • Platt kalibrering
  • Isotonisk regresjon

Disse metodene er designet for binær klassifisering, og det er ikke trivielt.

25) Hvilken metode brukes ofte for å forhindre overmontering?

Når det er tilstrekkelig med data, brukes 'Isotonisk regresjon' for å forhindre overtilpasningsproblem.

26) Hva er forskjellen mellom heuristikk for regellæring og heuristikk for beslutningstrær?

Forskjellen er at heuristikken for beslutningstrær evaluerer gjennomsnittskvaliteten til et antall usammenhengende sett, mens regellærere kun evaluerer kvaliteten på settet med forekomster som dekkes av kandidatregelen.

27) Hva er Perceptron i maskinlæring?

I maskinlæring er Perceptron en overvåket læringsalgoritme for binære klassifikatorer der en binær klassifikator er en avgjørende funksjon av om en inngang representerer en vektor eller et tall.

28) Forklar de to komponentene i Bayesiansk logikkprogram?

Bayesiansk logikkprogram består av to komponenter. Den første komponenten er logisk ; den består av et sett med Bayesianske klausuler, som fanger opp den kvalitative strukturen til domenet. Den andre komponenten er en kvantitativ, den koder for den kvantitative informasjonen om domenet.

29) Hva er Bayesian Networks (BN)?

Bayesian Network brukes til å representere den grafiske modellen for sannsynlighetsforhold mellom et sett med variabler.

30) Hvorfor instansbasert læringsalgoritme noen ganger referert til som Lazy læringsalgoritme?

Forekomstbasert læringsalgoritme blir også referert til som lat læringsalgoritme da de forsinker induksjons- eller generaliseringsprosessen til klassifisering utføres.

31) Hva er de to klassifiseringsmetodene som SVM ( Support Vector Machine) kan håndtere?

  • Kombinere binære klassifikatorer
  • Endring av binær for å inkludere flerklasselæring

32) Hva er ensemblelæring?

For å løse et bestemt beregningsprogram, genereres og kombineres flere modeller som klassifiserere eller eksperter strategisk. Denne prosessen er kjent som ensemblelæring.

33) Hvorfor brukes ensemblelæring?

Ensemblelæring brukes til å forbedre klassifiseringen, prediksjonen, funksjonstilnærmingen osv. av en modell.

34) Når skal man bruke ensemblelæring?

Ensemblelæring brukes når du bygger komponentklassifiserere som er mer nøyaktige og uavhengige av hverandre.

35) Hva er de to paradigmene for ensemblemetoder?

De to paradigmene for ensemblemetoder er

RELATERTE ARTIKLER

  • Sekvensielle ensemblemetoder
  • Parallelle ensemblemetoder

36) Hva er det generelle prinsippet for en ensemblemetode og hva er bagging og boosting i ensemblemetoden?

Det generelle prinsippet for en ensemblemetode er å kombinere prediksjonene til flere modeller bygget med en gitt læringsalgoritme for å forbedre robustheten over en enkelt modell. Bagging er en metode i ensemblet for å forbedre ustabile estimerings- eller klassifiseringsskjemaer. Mens boosting-metoden brukes sekvensielt for å redusere skjevheten til den kombinerte modellen. Både boosting og bagging kan redusere feil ved å redusere varianstermen.

37) Hva er bias-varians dekomponering av klassifikasjonsfeil i ensemblemetoden?

Den forventede feilen til en læringsalgoritme kan dekomponeres i skjevhet og varians. Et skjevhetsbegrep måler hvor tett den gjennomsnittlige klassifikatoren produsert av læringsalgoritmen samsvarer med målfunksjonen. Variansbegrepet måler hvor mye læringsalgoritmens prediksjon svinger for ulike treningssett.

38) Hva er en inkrementell læringsalgoritme i ensemble?

Inkrementell læringsmetode er evnen til en algoritme til å lære av nye data som kan være tilgjengelige etter at klassifikatoren allerede er generert fra allerede tilgjengelig datasett.

39) Hva brukes PCA, KPCA og ICA til?

PCA (Principal Components Analysis), KPCA (Kjernebasert Principal Component Analysis) og ICA (Independent Component Analysis) er viktige funksjonsekstraksjonsteknikker som brukes for dimensjonalitetsreduksjon.

40) Hva er dimensjonsreduksjon i maskinlæring?

I maskinlæring og statistikk er dimensjonsreduksjon prosessen med å redusere antall tilfeldige variabler som vurderes og kan deles inn i funksjonsvalg og funksjonsekstraksjon.

41) Hva er støttevektormaskiner?

Støttevektormaskiner er overvåkede læringsalgoritmer som brukes til klassifisering og regresjonsanalyse.

42) Hva er komponentene i relasjonelle evalueringsteknikker?

De viktige komponentene i relasjonelle evalueringsteknikker er

  • Datainnsamling
  • Ground Truth Acquisition
  • Kryssvalideringsteknikk
  • Spørringstype
  • Poengberegning
  • Signifikanstest

43) Hva er de forskjellige metodene for sekvensiell veiledet læring?

De forskjellige metodene for å løse problemer med sekvensiell overvåket læring er

  • Skyvevindumetoder
  • Tilbakevendende skyvevinduer
  • Skjulte Markow-modeller
  • Maksimal entropi Markow-modeller
  • Betingede tilfeldige felt
  • Graf transformatornettverk

44) Hva er områdene innen robotikk og informasjonsbehandling hvor sekvensielle prediksjonsproblem oppstår?

Områdene innen robotikk og informasjonsbehandling hvor sekvensielle prediksjonsproblemer oppstår er

  • Imitasjonslæring
  • Strukturert prediksjon
  • Modellbasert forsterkende læring

45) Hva er batch statistisk læring?

Statistiske læringsteknikker gjør det mulig å lære en funksjon eller prediktor fra et sett med observerte data som kan gi spådommer om usynlige eller fremtidige data. Disse teknikkene gir garantier for ytelsen til den lærte prediktoren på fremtidige usynlige data basert på en statistisk antagelse om datagenereringsprosessen.

46) Hva er PAC-læring?

PAC (Probably Approximately Correct)-læring er et læringsrammeverk som er introdusert for å analysere læringsalgoritmer og deres statistiske effektivitet.

47) Hva er de forskjellige kategoriene du kan kategorisere sekvenslæringsprosessen?

  • Sekvensprediksjon
  • Sekvensgenerering
  • Sekvensgjenkjenning
  • Sekvensiell avgjørelse

48) Hva er sekvenslæring?

Sekvenslæring er en metode for undervisning og læring på en logisk måte.

49) Hva er to teknikker for maskinlæring?

De to teknikkene for maskinlæring er

  • Genetisk programmering
  • Induktiv læring

50) Gi en populær anvendelse av maskinlæring som du ser på daglig basis?

Anbefalingsmotoren implementert av store e-handelsnettsteder bruker maskinlæring.

Disse intervjuspørsmålene vil også hjelpe i din viva(orals)