Topp 50 datavetenskapliga intervjufrågor och svar (PDF)

Här är Data Science-intervjufrågor och svar för fräschare såväl som erfarna kandidater att få sitt drömjobb.

 

Data Science intervjufrågor för nybörjare

1. Vad är datavetenskap?

Datavetenskap är studieområdet som involverar t.ex.tracatt få insikter från stora mängder data med hjälp av olika vetenskapliga metoder, algoritmer och processer. Det hjälper dig att upptäcka dolda mönster från rådata. Termen datavetenskap har uppstått på grund av utvecklingen av matematisk statistik, dataanalys och big data.


2. Vad är skillnaden mellan datavetenskap och maskininlärning?

Data Science är en kombination av algoritmer, verktyg och maskininlärningsteknik som hjälper dig att hitta vanliga dolda mönster från givna rådata. Medan maskininlärning är en gren av datavetenskap, som handlar om systemprogrammering för att automatiskt lära sig och förbättra med erfarenhet.

Data Science


3. Nämn tre typer av biaser som kan uppstå under provtagning

I provtagningsprocessen finns det tre typer av fördomar, som är:

  • Urvalsförskjutning
  • Bias under täckning
  • Överlevnad bias

4. Diskutera beslutsträdets algoritm

Ett beslutsträd är en populär övervakad maskininlärningsalgoritm. Det används främst för regression och klassificering. Det gör det möjligt att dela upp en datauppsättning i mindre delmängder. Beslutsträdet kan hantera både kategoriska och numeriska data.


5. Vad är tidigare sannolikhet och sannolikhet?

Tidigare sannolikhet är andelen av den beroende variabeln i datamängden medan sannolikheten är sannolikheten för att klassificera en given observant i närvaro av någon annan variabel.


6. Förklara rekommendationssystem?

Det är en underklass av informationsfiltreringstekniker. Det hjälper dig att förutsäga preferenser eller betyg som användare sannolikt kommer att ge en produkt.


7. Nämn tre nackdelar med att använda en linjär modell

Tre nackdelar med den linjära modellen är:

  • Antagandet om linjäritet av felen.
  • Du kan inte använda den här modellen för binära eller räkna utfall
  • Det finns gott om övermonteringsproblem som det inte kan lösa

8. Varför behöver du utföra omsampling?

Omsampling görs i nedanstående fall:

  • Uppskattning av noggrannheten hos provstatistik genom att dra slumpmässigt med ersättning från en uppsättning av datapunkten eller använda som delmängder av tillgänglig data
  • Ersätter etiketter på datapunkter vid utförande av nödvändiga tester
  • Validera modeller genom att använda slumpmässiga delmängder

9. Lista ut biblioteken i Python används för dataanalys och vetenskapliga beräkningar.


10. Vad är Power Analysis?

Effektanalysen är en integrerad del av den experimentella designen. Det hjälper dig att avgöra vilken urvalsstorlek som krävs för att ta reda på effekten av en given storlek från en orsak med en viss säkerhet. Det låter dig också distribuera en viss sannolikhet i ett urvalsstorleksbegränsning.


11. Förklara kollaborativ filtrering

Samarbetsfiltrering används för att söka efter korrekta mönster genom att samarbeta synpunkter, flera datakällor och olika agenter.


12. Vad är bias?

Bias är ett fel som introduceras i din modell på grund av överförenklingen av en maskininlärningsalgoritm." Det kan leda till underpassning.


13. Diskutera "Naiv" i en naiv Bayes-algoritm?

Den naiva Bayes-algoritmmodellen är baserad på Bayes-satsen. Den beskriver sannolikheten för en händelse. Den baseras på förkunskaper om förhållanden som kan vara relaterade till den specifika händelsen.


14. Vad är en linjär regression?

Linjär regression är en statistisk programmeringsmetod där poängen för en variabel 'A' förutsägs från poängen för en andra variabel 'B'. B hänvisas till som prediktorvariabeln och A som kriterievariabeln.


15. Ange skillnaden mellan förväntat värde och medelvärde

De är inte många skillnader, men båda dessa termer används i olika sammanhang. Medelvärde refereras vanligtvis till när du diskuterar en sannolikhetsfördelning medan förväntat värde refereras till i sammanhanget av en slumpvariabel.


16. Vad är syftet med att genomföra A/B-testning?

AB-testning används för att utföra slumpmässiga experiment med två variabler, A och B. Målet med denna testmetod är att ta reda på ändringar på en webbsida för att maximera eller öka resultatet av en strategi.


17. Vad är Ensemble Learning?

Ensemblen är en metod för att kombinera en mångsidig uppsättning elever för att improvisera om modellens stabilitet och prediktiva kraft. Två typer av Ensemble-inlärningsmetoder är:

Säckväv

Bagging-metoden hjälper dig att implementera liknande elever på små urvalspopulationer. Det hjälper dig att göra närmare förutsägelser.

Öka

Boostning är en iterativ metod som låter dig justera vikten av en observation beroende på den senaste klassificeringen. Boostning minskar bias-felet och hjälper dig att bygga starka prediktiva modeller.


18. Förklara egenvärde och egenvektor

Egenvektorer är till för att förstå linjära transformationer. Datavetare behöver beräkna egenvektorerna för en kovariansmatris eller korrelation. Egenvärden är riktningarna längs med specifika linjära transformationsåtgärder genom att komprimera, vändapingeller stretching.


19. Definiera termen korsvalidering

Korsvalidering är en valideringsteknik för att utvärdera hur resultaten av statistisk analys kommer att generaliseras för en oberoende datauppsättning. Denna metod används i bakgrunder där målet är prognostiserat, och man behöver uppskatta hur exakt en modell kommer att uppnå.


20. Förklara stegen för ett dataanalysprojekt

Följande är viktiga steg involverade i ett analysprojekt:

  • Förstå affärsproblemet
  • Utforska data och studera dem noggrant.
  • Förbered data för modellering genom att hitta saknade värden och transformera variabler.
  • Börja köra modellen och analysera Big data-resultatet.
  • Validera modellen med ny datamängd.
  • Implementera modellen och track resultatet för att analysera modellens prestanda under en specifik period.

21. Diskutera artificiella neurala nätverk

Artificiella neurala nätverk (ANN) är en speciell uppsättning algoritmer som har revolutjoniserad maskininlärning. Det hjälper dig att anpassa dig efter förändrad inmatning. Så att nätverket genererar bästa möjliga resultat utan att omforma utdatakriterierna.


22. Vad är ryggförökning?

Ryggförökning är essensen av neural nätträning. Det är metoden för att ställa in vikterna för ett neuralt nät beroende på felfrekvensen som erhölls under föregående epok. Korrekt justering av modellen hjälper dig att minska felfrekvensen och göra modellen tillförlitlig genom att öka dess generalisering.


23. Vad är en Random Forest?

Random forest är en maskininlärningsmetod som hjälper dig att utföra alla typer av regressions- och klassificeringsuppgifter. Det används också för att behandla saknade värden och extremvärden.


24. Vad är vikten av att ha en selektionsbias?

Urvalsbias uppstår när ingen specifik randomisering uppnås när man väljer individer eller grupper eller data som ska analyseras. Det tyder på att det givna urvalet inte exakt representerar den population som var avsedd att analyseras.


25. Vad är K-means klustringsmetoden?

K-means-kluster är en viktig oövervakad inlärningsmetod. Det är tekniken att klassificera data med hjälp av en viss uppsättning kluster som kallas K-kluster. Den används för grupperping för att ta reda på likheten i uppgifterna.


Data Scientist intervjufrågor för erfarna

26. Förklara skillnaden mellan Data Science och Data Analytics

Dataforskare behöver segmentera data till extracvärdefulla insikter som en dataanalytiker kan tillämpa i verkliga affärsscenarier. Den största skillnaden mellan de två är att dataforskare har mer teknisk kunskap än affärsanalytiker. Dessutom behöver de inte den förståelse för den verksamhet som krävs för datavisualisering.


27. Förklara p-värde?

När du genomför ett hypotestest i statistik låter ett p-värde dig bestämma styrkan i dina resultat. Det är ett numeriskt tal mellan 0 och 1. Baserat på värdet hjälper det dig att ange styrkan i det specifika resultatet.


28. Definiera termen djupinlärning

Deep Learning är en undertyp av maskininlärning. Det handlar om algoritmer inspirerade av strukturen som kallas artificiella neurala nätverk (ANN).


29. Förklara metoden för att samla in och analysera data för att använda sociala medier för att förutsäga väderförhållandena.

Du kan samla in data från sociala medier med hjälp av Facebook, Twitter, Instagrams API:er. Till exempel, för tweetern kan vi konstruera en funktion från varje tweet, som tweetdatum, retweets, lista över följare etc. Sedan kan du använda en multivariat tidsseriemodell för att förutsäga väderförhållandena.


30. När behöver du uppdatera algoritmen i Data science?

Du måste uppdatera en algoritm i följande situation:

  • Du vill att din datamodell ska utvecklas som dataströmmar med hjälp av infrastruktur
  • Den underliggande datakällan förändras om den är icke-stationaritet

31. Vad är normalfördelning

En normalfördelning är en uppsättning av en kontinuerlig variabel spridd över en normalkurva eller i form av en klockkurva. Du kan betrakta det som en kontinuerlig sannolikhetsfördelning som är användbar i statistik. Det är användbart att analysera variablerna och deras samband när vi använder normalfördelningskurvan.


32. Vilket språk är bäst för textanalys? R eller Python?

Python kommer att vara mer lämpad för textanalys eftersom den består av ett rikt bibliotek som kallas pandor. Det låter dig använda hög nivå dataanalysverktyg och datastrukturer, medan R inte erbjuder denna funktion.


33. Förklara fördelarna med att använda statistik av dataforskare

Statistik hjälper datavetare att få en bättre uppfattning om kundens förväntningar. Genom att använda den statistiska metoden Data Scientists kan få kunskap om konsumentintresse, beteende, engagemang, retention, etc. Det hjälper dig också att bygga kraftfulla datamodeller för att validera vissa slutsatser och förutsägelser.


34. Nämn olika typer av Deep Learning Frameworks

  • pytorch
  • Microsoft Kognitiv verktygslåda
  • TensorFlow
  • caffe
  • Kedja
  • Keras

35.Förklara Auto-Encoder

Autokodare är lärande nätverk. Det hjälper dig att omvandla ingångar till utgångar med färre antal fel. Det betyder att du kommer att få utdata så nära input som möjligt.


36. Definiera Boltzmann-maskin

Boltzmann-maskiner är en enkel inlärningsalgoritm. Det hjälper dig att upptäcka de funktioner som representerar komplexa regelbundenheter i träningsdata. Denna algoritm låter dig optimera vikterna och kvantiteten för det givna problemet.


37. Förklara varför datarensning är viktigt och vilken metod du använder för att upprätthålla ren data

Smutsiga data leder ofta till felaktig insida, vilket kan skada utsikterna för vilken organisation som helst. Till exempel om du vill köra en riktad marknadsföringskampanj. Vår data berättar dock felaktigt att en specifik produkt kommer att vara efterfrågad hos din målgrupp; kampanjen kommer att misslyckas.


38. Vad är snedfördelning & enhetlig fördelning?

Skev fördelning uppstår när om data distribueras på någon sida av plottet medan enhetlig fördelning identifieras när data sprids är lika i intervallet.


39. När underpassning sker i en statisk modell?

Underanpassning uppstår när en statistisk modell eller maskininlärningsalgoritm inte kan fånga den underliggande trenden för data.


40. Vad är förstärkningsinlärning?

Reinforcement Learning är en inlärningsmekanism om hur man kartlägger situationer till handlingar. Slutresultatet bör hjälpa dig att öka den binära belöningssignalen. I den här metoden får en elev inte veta vilken åtgärd han ska vidta utan måste istället upptäcka vilken åtgärd som ger maximal belöning. Som denna metod baserad på belöning/straffmekanismen.


41. Namn på vanliga algoritmer.

De fyra vanligaste algoritmerna av Data scientist är:

  • Linjär regression
  • Logistisk återgång
  • Slumpmässig skog
  • KNN

42. Vad är precision?

Precision är det vanligaste felmåttet är n klassificeringsmekanism. Dess intervall är från 0 till 1, där 1 representerar 100 %


43. Vad är en univariat analys?

En analys som inte tillämpas på något attribut åt gången kallas univariat analys. Boxtomten är mycket använd, univariat modell.


44. Hur övervinner du utmaningar med dina resultat?

För att övervinna utmaningarna med att jag hittat måste man uppmuntra diskussion, visa ledarskap och respektera olika alternativ.


45. Förklara klustersamplingsteknik inom datavetenskap

En klusterurvalsmetod används när det är utmanande att studera målpopulationen spridd över, och enkla slumpmässiga urval inte kan tillämpas.


46. ​​Ange skillnaden mellan en valideringsuppsättning och en testuppsättning

En valideringsuppsättning betraktas oftast som en del av träningsuppsättningen eftersom den används för parameterval som hjälper dig att undvika överanpassning av modellen som byggs.

Medan ett testset används för att testa eller utvärdera prestandan hos en utbildad maskininlärningsmodell.


47. Förklara termen binomisk sannolikhetsformel?

"Den binomala fördelningen innehåller sannolikheterna för varje möjlig framgång på N försök för oberoende händelser som har en sannolikhet för π att inträffa."


48. Vad är ett återkallande?

Ett återkallande är ett förhållande mellan den verkliga positiva räntan mot den faktiska positiva räntan. Det sträcker sig från 0 till 1.


49. Diskutera normalfördelning

Normalfördelning jämnt fördelad som sådan är medelvärdet, medianen och moden lika.


50. Hur kan du välja viktiga variabler när du arbetar med en datamängd? Förklara

Följande metoder för val av variabel kan du använda:

  • Ta bort de korrelerade variablerna innan du väljer viktiga variabler
  • Använd linjär regression och välj variabler som beror på dessa p-värden.
  • Använd Bakåt, Framåt och Markering Stegvis
  • Använd Xgboost, Random Forest och plotta variabel betydelsediagram.
  • Mät informationsvinsten för den givna uppsättningen funktioner och välj topp n funktioner i enlighet med detta.

51. Är det möjligt att fånga sambandet mellan kontinuerlig och kategorisk variabel?

Ja, vi kan använda analys av kovariansteknik för att fånga sambandet mellan kontinuerliga och kategoriska variabler.


52. Att behandla en kategorisk variabel som en kontinuerlig variabel skulle resultera i en bättre prediktiv modell?

Ja, det kategoriska värdet bör betraktas som en kontinuerlig variabel endast när variabeln är ordinal till sin natur. Så det är en bättre prediktiv modell.

Dessa intervjufrågor kommer också att hjälpa dig i din viva (orals)

Sammanfatta detta inlägg med: