50 perguntas e respostas da entrevista sobre aprendizado de máquina (2024)

Aqui estão as perguntas e respostas da entrevista de aprendizado de máquina para candidatos mais novos e experientes para conseguir o emprego dos sonhos.

 

Perguntas e respostas do Machine Learning Viva para calouros

1) O que é aprendizado de máquina?

O aprendizado de máquina é um ramo da ciência da computação que lida com a programação de sistemas para aprender e melhorar automaticamente com a experiência. Por exemplo: Os robôs são programados para que possam executar a tarefa com base nos dados coletados dos sensores. Ele aprende programas automaticamente a partir dos dados.

👉 Download gratuito de PDF: Perguntas e respostas da entrevista sobre aprendizado de máquina >>


2) Mencionou a diferença entre mineração de dados e aprendizado de máquina?

O aprendizado de máquina está relacionado com o estudo, design e desenvolvimento do algorithms que dão aos computadores a capacidade de aprender sem serem explicitamente programados. Já a mineração de dados pode ser definida como o processo no qual os dados não estruturados tentam extrair conhecimento ou padrões interessantes desconhecidos. Durante esta máquina de processo, aprendendo algorithms são usados.


3) O que é 'Overfitting' em aprendizado de máquina?

In aprendizado de máquina, quando um modelo estatístico descreve erro ou ruído aleatório em vez do relacionamento subjacente, ocorre 'overfitting'. Quando um modelo é excessivamente complex, o overfitting é normalmente observado por ter muitos parâmetros em relação ao número de tipos de dados de treinamento. O modelo apresenta um desempenho ruim que foi superajustado.


4) Por que ocorre o overfitting?

A possibilidade de overfitting existe porque os critérios utilizados para treinar o modelo não são os mesmos que os critérios utilizados para julgar a eficácia de um modelo.


5) Como você pode evitar o overfitting?

Ao usar muitos dados, o overfitting pode ser evitado. O overfitting acontece relativamente quando você tem um pequeno conjunto de dados e tenta aprender com ele. Mas se você tem um banco de dados pequeno e é forçado a criar um modelo baseado nele. Nessa situação, você pode usar uma técnica conhecida como validação cruzada. Neste método, o conjunto de dados é dividido em duas seções, conjuntos de dados de teste e treinamento, o conjunto de dados de teste apenas testará o modelo, enquanto, no conjunto de dados de treinamento, os pontos de dados criarão o modelo.

Nesta técnica, um modelo geralmente recebe um conjunto de dados conhecidos nos quais o treinamento (conjunto de dados de treinamento) é executado e um conjunto de dados desconhecidos contra os quais o modelo é testado. A ideia da validação cruzada é definir um conjunto de dados para “testar” o modelo na fase de treinamento.


6) O que é aprendizado de máquina indutivo?

O aprendizado de máquina indutivo envolve o processo de aprendizagem por exemplos, onde um sistema, a partir de um conjunto de instâncias observadas, tenta induzir uma regra geral.


7) Quais são os cinco populares algorithms de aprendizado de máquina?

  • Árvores de decisão
  • Redes Neurais (retropropagação)
  • Redes probabilísticas
  • NearesVizinho
  • Suporte máquinas vetoriais

8) Quais são as diferentes técnicas de algoritmo em aprendizado de máquina?

Os diferentes tipos de técnicas de aprendizado de máquina são


9) Quais são as três etapas para construir as hipóteses ou modelo em aprendizado de máquina?

  • Construção de modelo
  • Teste de modelo
  • Aplicando o modelo

10) Qual é a abordagem padrão para aprendizagem supervisionada?

A abordagem padrão para aprendizagem supervisionada é dividir o conjunto de exemplos em conjunto de treinamento e teste.


11) O que é ‘Conjunto de treinamento’ e ‘Conjunto de teste’?

Em diversas áreas da ciência da informação, como o aprendizado de máquina, um conjunto de dados é usado para descobrir a relação potencialmente preditiva conhecida como “Conjunto de Treinamento”. O conjunto de treinamento é um exemplo dado ao aluno, enquanto o conjunto de teste é usado para testar a precisão das hipóteses geradas pelo aluno e é o conjunto de exemplos retidos do aluno. O conjunto de treinamento é diferente do conjunto de teste.


12) Liste várias abordagens para aprendizado de máquina?

As diferentes abordagens em aprendizado de máquina são

  • Aprendizagem de conceito versus classificação
  • Aprendizagem Simbólica versus Estatística
  • Aprendizagem Indutiva versus Analítica

13) O que não é aprendizado de máquina?


14) Explique qual é a função da 'Aprendizagem Não Supervisionada'?

  • Encontre clusterdos dados
  • Encontre representações de baixa dimensão dos dados
  • Encontre direções interessantes nos dados
  • Coordenadas e correlações interessantes
  • Encontre novas observações/limpeza de banco de dados

15) Explique qual é a função da 'Aprendizagem Supervisionada'?

  • Classificações
  • Reconhecimento de fala
  • Regressão
  • Prever séries temporais
  • Anotar strings

16) O que é aprendizado de máquina independente de algoritmo?

Aprendizado de máquina onde matemática foundations é independente de qualquer classificador específico ou algoritmo de aprendizagem é referido como aprendizado de máquina independente de algoritmo?


17) Qual é a diferença entre aprendizado artificial e aprendizado de máquina?

Projetando e desenvolvendo algorithms de acordo com os comportamentos baseados em dados empíricos são conhecidos como Machine Learning. Embora a inteligência artificial, além do aprendizado de máquina, também cubra outros aspectos como representação do conhecimento, processamento de linguagem natural, planejamento, robótica, etc.


18) O que é classificador em aprendizado de máquina?

Um classificador em um aprendizado de máquina é um sistema que insere um vetor de valores de recursos discretos ou contínuos e gera um único valor discreto, a classe.


19) Quais são as vantagens do Naive Bayes?

No Naïve Bayes, o classificador convergirá mais rápido do que modelos discriminativos, como regressão logística, portanto, você precisará de menos dados de treinamento. A principal vantagem é que ele não pode aprender interações entre recursos.


20) Em quais áreas o Reconhecimento de Padrões é utilizado?

O reconhecimento de padrões pode ser usado em

  • Visão de Computador
  • Reconhecimento de Voz
  • Data Mining
  • Estatísticas
  • Recuperação Informal
  • Bioinformática

Perguntas de entrevista de aprendizado de máquina para experientes

21) O que é Programação Genética?

A programação genética é uma das duas técnicas utilizadas no aprendizado de máquina. O modelo é baseado no teste e na seleção da melhor escolha entre um conjunto de resultados.


22) O que é indutivo Logic Proprogramação em aprendizado de máquina?

Indutivo Logic Proprogramação (ILP) é um subcampo do aprendizado de máquina que usa programação lógica que representa conhecimentos básicos e exemplos.


23) O que é seleção de modelos em aprendizado de máquina?

O processo de seleção de modelos entre diferentes modelos matemáticos, que são usados ​​para descrever o mesmo conjunto de dados, é conhecido como Seleção de Modelo. A seleção de modelos é aplicada às áreas de estatística, aprendizado de máquina e mineração de dados.


24) Quais são os dois métodos utilizados para calibração na Aprendizagem Supervisionada?

Os dois métodos usados ​​para prever boas probabilidades na Aprendizagem Supervisionada são

  • Calibração Platt
  • Regressão Isotônica

Esses métodos são projetados para classificação binária e não são triviais.


25) Qual método é frequentemente usado para evitar overfitting?

Quando há dados suficientes, a 'Regressão Isotônica' é usada para evitar um problema de sobreajuste.


26) Qual é a diferença entre heurística para aprendizagem de regras e heurística para árvores de decisão?

A diferença é que as heurísticas para árvores de decisão avaliam a qualidade média de um número de conjuntos desarticulados, enquanto os aprendizes de regras avaliam apenas a qualidade do conjunto de instâncias que é coberto pela regra candidata.


27) O que é percepçãotron em aprendizado de máquina?

Em aprendizado de máquina, Perceptron é um algoritmo de aprendizado supervisionado para classificadores binários onde um classificador binário é uma função que decide se uma entrada representa um vetor ou um número.


28) Explique os dois componentes do Bayesiano logic programa?

Bayesiano logic programa consiste em dois componentes. O primeiro componente é lógico; consiste em um conjunto de Cláusulas Bayesianas, que capta a estrutura qualitativa do domínio. O segundo componente é quantitativo, pois codifica as informações quantitativas sobre o domínio.


29) O que são Redes Bayesianas (BN)?

A Rede Bayesiana é usada para representar o modelo gráfico de relacionamento de probabilidade entre um conjunto de variáveis.


30) Por que o algoritmo de aprendizagem baseado em instâncias às vezes é chamado de algoritmo de aprendizagem preguiçoso?

O algoritmo de aprendizagem baseado em instância também é conhecido como algoritmo de aprendizagem preguiçoso, pois atrasa o processo de indução ou generalização até que a classificação seja realizada.


31) Quais são os dois métodos de classificação que o SVM (Support Vector Machine) pode manipular?

  • Combinando classificadores binários
  • Modificando o binário para incorporar aprendizagem multiclasse

32) O que é aprendizagem em conjunto?

Para resolver um determinado programa computacional, múltiplos modelos, como classificadores ou especialistas, são gerados e combinados estrategicamente. Este processo é conhecido como aprendizagem em conjunto.


33) Por que a aprendizagem em conjunto é usada?

A aprendizagem por conjunto é usada para melhorar a classificação, previsão, aproximação de função, etc. de um modelo.


34) Quando usar a aprendizagem em conjunto?

O aprendizado conjunto é usado quando você constrói classificadores de componentes que são mais precisos e independentes uns dos outros.


35) Quais são os dois paradigmas dos métodos de conjunto?

Os dois paradigmas dos métodos de conjunto são

  • Métodos de conjunto sequencial
  • Métodos de conjunto paralelo

36) Qual é o princípio geral de um método ensemble e o que é bagging e boosting no método ensemble?

O princípio geral de um método ensemble é combinar as previsões de vários modelos construídos com um determinado algoritmo de aprendizagem, a fim de melhorar a robustez em um único modelo. Bagging é um método conjunto para melhorar estimativas instáveis ​​ou esquemas de classificação. Enquanto o método de reforço é usado sequencialmente para reduzir o viés do modelo combinado. Boosting e Bagging podem reduzir erros, reduzindo o termo de variação.


37) O que é decomposição de polarização-variância do erro de classificação no método ensemble?

O erro esperado de um algoritmo de aprendizagem pode ser decomposto em viés e variância. Um termo de polarização mede o quão próximo o classificador médio produzido pelo algoritmo de aprendizagem corresponde à função alvo. O termo de variância mede o quanto a previsão do algoritmo de aprendizagem flutua para diferentes conjuntos de treinamento.


38) O que é um algoritmo de aprendizagem incremental em conjunto?

O método de aprendizagem incremental é a capacidade de um algoritmo aprender com novos dados que podem estar disponíveis após o classificador já ter sido gerado a partir de um conjunto de dados já disponível.


39) Para que são utilizados PCA, KPCA e ICA?

PCA (Análise de Componentes Principais), KPCA (Análise de Componentes Principais baseada em Kernel) e ICA (Análise de Componentes Independentes) são importantes técnicas de extração de recursos usadas para redução de dimensionalidade.


40) O que é redução de dimensão em Machine Learning?

Em aprendizado de máquina e estatística, a redução de dimensão é o processo de redução do número de variáveis ​​​​aleatórias em consideração e pode ser dividida em seleção e extração de recursos.


41) O que são máquinas de vetores de suporte?

Máquinas de vetores de suporte são aprendizado supervisionado algorithms usado para classificação e análise de regressão.


42) Quais são os componentes das técnicas de avaliação relacional?

Os componentes importantes das técnicas de avaliação relacional são

  • Aquisição de Dados
  • Aquisição da Verdade Terrestre
  • Técnica de validação cruzada
  • Tipo de consulta
  • Métrica de pontuação
  • Teste de Significância

43) Quais são os diferentes métodos de Aprendizagem Sequencial Supervisionada?

Os diferentes métodos para resolver problemas de aprendizagem sequencial supervisionada são

  • Métodos de janela deslizante
  • Deslizamento recorrente windows
  • Modelos Markow ocultos
  • Modelos Markow de entropia máxima
  • Campos aleatórios condicionais
  • Redes de transformadores gráficos

44) Quais são as áreas da robótica e do processamento de informações onde surge o problema de previsão sequencial?

As áreas da robótica e do processamento de informações onde surge o problema de previsão sequencial são

  • Aprendizagem por imitação
  • Previsão estruturada
  • Aprendizagem por reforço baseada em modelo

45) O que é aprendizado estatístico em lote?

As técnicas de aprendizagem estatística permitem aprender uma função ou preditor a partir de um conjunto de dados observados que pode fazer previsões sobre dados não vistos ou futuros. Essas técnicas fornecem garantias sobre o desempenho do preditor aprendido nos dados futuros não vistos com base em uma suposição estatística sobre o processo de geração de dados.


46) O que é aprendizagem PAC?

A aprendizagem PAC (provavelmente aproximadamente correta) é uma estrutura de aprendizagem que foi introduzida para analisar a aprendizagem algorithms e sua eficiência estatística.


47) Quais são as diferentes categorias que você pode categorizar no processo de aprendizagem sequencial?

  • Previsão de sequência
  • Geração de sequência
  • Reconhecimento de sequência
  • Decisão sequencial

48) O que é aprendizagem sequencial?

A aprendizagem sequencial é um método de ensino e aprendizagem de maneira lógica.


49) Quais são as duas técnicas de aprendizado de máquina?

As duas técnicas de aprendizado de máquina são

  • Programação Genética
  • Aprendizagem Indutiva

50) Fornece uma aplicação popular de aprendizado de máquina que você vê no dia a dia?

O mecanismo de recomendação implementado pelos principais sites de comércio eletrônico usa aprendizado de máquina.

Essas perguntas da entrevista também ajudarão em sua viva (oral)