50 คำถามและคำตอบสัมภาษณ์การเรียนรู้ของเครื่อง (2025)

ต่อไปนี้เป็นคำถามและคำตอบในการสัมภาษณ์ Machine Learning สำหรับผู้สมัครใหม่และมีประสบการณ์เพื่อให้ได้งานในฝัน

 

คำถามและคำตอบของ Machine Learning Viva สำหรับน้องใหม่

1) การเรียนรู้ของเครื่องคืออะไร?

การเรียนรู้ของเครื่องเป็นสาขาหนึ่งของวิทยาการคอมพิวเตอร์ที่เกี่ยวข้องกับการเขียนโปรแกรมระบบเพื่อเรียนรู้และปรับปรุงโดยอัตโนมัติตามประสบการณ์ ตัวอย่างเช่น: หุ่นยนต์ได้รับการตั้งโปรแกรมเพื่อให้สามารถทำงานตามข้อมูลที่รวบรวมจากเซ็นเซอร์ โดยจะเรียนรู้โปรแกรมจากข้อมูลโดยอัตโนมัติ

👉 ดาวน์โหลดไฟล์ PDF ฟรี: คำถามและคำตอบสัมภาษณ์การเรียนรู้ของเครื่อง >>


2) พูดถึงความแตกต่างระหว่าง Data Mining และ Machine Learning หรือไม่

การเรียนรู้ของเครื่องจักรเกี่ยวข้องกับการศึกษา การออกแบบ และการพัฒนาอัลกอริทึมที่ช่วยให้คอมพิวเตอร์สามารถเรียนรู้ได้โดยไม่ต้องมีการเขียนโปรแกรมอย่างชัดเจน ในขณะที่การขุดข้อมูลสามารถกำหนดได้ว่าเป็นกระบวนการที่ข้อมูลที่ไม่มีโครงสร้างพยายามดึงความรู้หรือรูปแบบที่น่าสนใจที่ไม่รู้จัก ในระหว่างกระบวนการนี้ จะใช้อัลกอริทึมการเรียนรู้ของเครื่องจักร


3) 'การโอเวอร์ฟิต' ในแมชชีนเลิร์นนิงคืออะไร

In เรียนรู้เครื่องเมื่อแบบจำลองทางสถิติอธิบายข้อผิดพลาดแบบสุ่มหรือสัญญาณรบกวนแทนที่จะเป็นความสัมพันธ์พื้นฐาน จะเกิด "การโอเวอร์ฟิตติ้ง" เมื่อแบบจำลองมีความซับซ้อนมากเกินไป จะสังเกตเห็นการโอเวอร์ฟิตติ้งได้ตามปกติ เนื่องจากมีพารามิเตอร์มากเกินไปเมื่อเทียบกับจำนวนประเภทข้อมูลการฝึก แบบจำลองจะแสดงประสิทธิภาพที่ไม่ดีซึ่งเกิดการโอเวอร์ฟิตติ้ง


4) เหตุใดจึงมีการสวมอุปกรณ์มากเกินไป?

ความเป็นไปได้ที่จะมีการติดตั้งมากเกินไปเนื่องจากเกณฑ์ที่ใช้ในการฝึกแบบจำลองไม่เหมือนกับเกณฑ์ที่ใช้ในการตัดสินประสิทธิภาพของแบบจำลอง


5) คุณจะหลีกเลี่ยงการสวมอุปกรณ์มากเกินไปได้อย่างไร?

คุณสามารถหลีกเลี่ยงการโอเวอร์ฟิตข้อมูลจำนวนมากได้ โอเวอร์ฟิตจะเกิดขึ้นค่อนข้างมากเมื่อคุณมีชุดข้อมูลขนาดเล็ก และคุณพยายามเรียนรู้จากมัน แต่ถ้าคุณมีฐานข้อมูลขนาดเล็กและคุณถูกบังคับให้มาพร้อมกับโมเดลตามนั้น ในสถานการณ์เช่นนี้ คุณสามารถใช้เทคนิคที่เรียกว่า การตรวจสอบข้าม- ในวิธีนี้ ชุดข้อมูลจะแบ่งออกเป็นสองส่วน ได้แก่ ชุดข้อมูลการทดสอบและการฝึกอบรม ชุดข้อมูลการทดสอบจะทดสอบโมเดลเท่านั้น ในขณะที่จุดข้อมูลจะเกิดขึ้นพร้อมกับโมเดลในชุดข้อมูลการฝึกอบรม

ในเทคนิคนี้ แบบจำลองมักจะได้รับชุดข้อมูลของข้อมูลที่ทราบซึ่งมีการเรียกใช้การฝึกอบรม (ชุดข้อมูลการฝึกอบรม) และชุดข้อมูลที่ไม่รู้จักซึ่งใช้ทดสอบแบบจำลองนั้น แนวคิดของการตรวจสอบข้ามคือการกำหนดชุดข้อมูลเพื่อ "ทดสอบ" โมเดลในขั้นตอนการฝึกอบรม


6) การเรียนรู้ของเครื่องแบบอุปนัยคืออะไร?

การเรียนรู้ของเครื่องแบบอุปนัยเกี่ยวข้องกับกระบวนการเรียนรู้ตามตัวอย่าง โดยที่ระบบจากชุดของอินสแตนซ์ที่สังเกตได้พยายามกระตุ้นกฎทั่วไป


7) อัลกอริทึมยอดนิยม XNUMX ประการของการเรียนรู้ของเครื่องจักรคืออะไร?

  • ต้นไม้แห่งการตัดสินใจ
  • โครงข่ายประสาทเทียม (การแพร่กระจายกลับ)
  • เครือข่ายความน่าจะเป็น
  • เพื่อนบ้านที่ใกล้ที่สุด
  • สนับสนุนเครื่องเวกเตอร์

8) เทคนิคอัลกอริทึมต่างๆ ใน ​​Machine Learning มีอะไรบ้าง

เทคนิคประเภทต่างๆ ใน ​​Machine Learning ได้แก่


9) สามขั้นตอนในการสร้างสมมติฐานหรือแบบจำลองในการเรียนรู้ของเครื่องคืออะไร?

  • การสร้างแบบจำลอง
  • การทดสอบแบบจำลอง
  • การใช้แบบจำลอง

10) แนวทางมาตรฐานในการเรียนรู้แบบมีผู้สอนคืออะไร?

แนวทางมาตรฐานสำหรับการเรียนรู้แบบมีผู้สอนคือการแบ่งชุดตัวอย่างออกเป็นชุดการฝึกอบรมและแบบทดสอบ


11) 'ชุดการฝึกอบรม' และ 'ชุดทดสอบ' คืออะไร?

ในด้านต่างๆ ของวิทยาการสารสนเทศ เช่น การเรียนรู้ของเครื่อง ชุดข้อมูลจะถูกนำมาใช้เพื่อค้นหาความสัมพันธ์เชิงคาดการณ์ที่อาจเรียกว่า 'ชุดการฝึกอบรม' ชุดการฝึกอบรมเป็นตัวอย่างที่มอบให้กับผู้เรียน ในขณะที่ชุดทดสอบใช้เพื่อทดสอบความถูกต้องของสมมติฐานที่สร้างโดยผู้เรียน และเป็นชุดตัวอย่างที่ผู้เรียนเก็บไว้ ชุดฝึกแตกต่างจากชุดทดสอบ


12) แจกแจงแนวทางต่างๆ สำหรับการเรียนรู้ของเครื่อง?

แนวทางที่แตกต่างกันใน Machine Learning คือ

  • แนวคิดและการเรียนรู้การจำแนกประเภท
  • การเรียนรู้เชิงสัญลักษณ์และเชิงสถิติ
  • การเรียนรู้แบบอุปนัยและเชิงวิเคราะห์

13) อะไรคือสิ่งที่ไม่ใช่การเรียนรู้ของเครื่อง?


14) อธิบายว่า 'การเรียนรู้แบบไม่มีผู้ดูแล' มีหน้าที่อะไร?

  • ค้นหากลุ่มของข้อมูล
  • ค้นหาการแสดงข้อมูลในมิติต่ำ
  • ค้นหาทิศทางที่น่าสนใจในข้อมูล
  • พิกัดและความสัมพันธ์ที่น่าสนใจ
  • ค้นหาข้อสังเกต/การทำความสะอาดฐานข้อมูลแบบใหม่

15) อธิบายว่า 'การเรียนรู้แบบมีผู้สอน' มีหน้าที่อะไร?

  • การจำแนกประเภท
  • การรู้จำเสียงพูด
  • การถอยหลัง
  • ทำนายอนุกรมเวลา
  • ใส่คำอธิบายประกอบสตริง

16) อัลกอริธึมการเรียนรู้ของเครื่องอิสระคืออะไร?

การเรียนรู้ของเครื่องจักรซึ่งรากฐานทางคณิตศาสตร์เป็นอิสระจากตัวจำแนกประเภทใดๆ หรืออัลกอริทึมการเรียนรู้ เรียกว่าการเรียนรู้ของเครื่องจักรที่เป็นอิสระจากอัลกอริทึมใช่หรือไม่?


17) อะไรคือความแตกต่างระหว่างการเรียนรู้ประดิษฐ์และการเรียนรู้ของเครื่อง?

การออกแบบและพัฒนาอัลกอริทึมตามพฤติกรรมโดยอิงจากข้อมูลเชิงประจักษ์เรียกว่าการเรียนรู้ของเครื่องจักร ในขณะที่ปัญญาประดิษฐ์นอกเหนือไปจากการเรียนรู้ของเครื่องจักรแล้ว ปัญญาประดิษฐ์ยังครอบคลุมถึงด้านอื่นๆ เช่น การแสดงความรู้ การประมวลผลภาษาธรรมชาติ การวางแผน หุ่นยนต์ เป็นต้น


18) ลักษณนามในการเรียนรู้ของเครื่องคืออะไร?

ตัวแยกประเภทในแมชชีนเลิร์นนิงคือระบบที่อินพุตเวกเตอร์ของค่าคุณสมบัติที่ไม่ต่อเนื่องหรือต่อเนื่อง และส่งออกค่าที่ไม่ต่อเนื่องเพียงค่าเดียว นั่นคือคลาส


19) Naive Bayes มีข้อดีอย่างไร?

ใน Classifier ของ Naïve Bayes จะมาบรรจบกันเร็วกว่าแบบจำลองที่เลือกปฏิบัติ เช่น การถดถอยโลจิสติก ดังนั้น คุณจึงต้องการข้อมูลการฝึกน้อยลง ข้อได้เปรียบหลักคือไม่สามารถเรียนรู้การโต้ตอบระหว่างฟีเจอร์ต่างๆ ได้


20) Pattern Recognition ใช้ในด้านใดบ้าง?

สามารถใช้การจดจำรูปแบบได้

  • วิสัยทัศน์คอมพิวเตอร์
  • การรู้จำเสียง
  • การทำเหมืองข้อมูล
  • สถิติ
  • การสืบค้นอย่างไม่เป็นทางการ
  • ชีวสารสนเทศ

คำถามสัมภาษณ์การเรียนรู้ด้วยเครื่องสำหรับผู้มีประสบการณ์

21) โปรแกรมทางพันธุกรรมคืออะไร?

การเขียนโปรแกรมทางพันธุกรรมเป็นหนึ่งในสองเทคนิคที่ใช้ในการเรียนรู้ของเครื่อง แบบจำลองจะขึ้นอยู่กับการทดสอบและการเลือกตัวเลือกที่ดีที่สุดจากชุดผลลัพธ์


22) อุปนัยคืออะไร Logic Proไวยากรณ์ในการเรียนรู้ของเครื่อง?

วัดการเหนี่ยวนำของสนามแม่เหล็กไฟ้า Logic Proไวยากรณ์ (ILP) เป็นสาขาย่อยของการเรียนรู้ของเครื่องซึ่งใช้การเขียนโปรแกรมเชิงตรรกะที่แสดงถึงความรู้พื้นฐานและตัวอย่าง


23) การเลือกโมเดลใน Machine Learning คืออะไร?

กระบวนการเลือกแบบจำลองระหว่างแบบจำลองทางคณิตศาสตร์ต่างๆ ซึ่งใช้เพื่ออธิบายชุดข้อมูลเดียวกันเรียกว่าการเลือกแบบจำลอง การเลือกแบบจำลองจะนำไปใช้กับสาขาสถิติ การเรียนรู้ของเครื่อง และการขุดข้อมูล


24) สองวิธีที่ใช้ในการสอบเทียบในการเรียนรู้แบบมีผู้สอนมีอะไรบ้าง

สองวิธีที่ใช้ในการทำนายความน่าจะเป็นที่ดีในการเรียนรู้แบบมีผู้สอนคือ

  • การสอบเทียบแพลตต์
  • การถดถอยไอโซโทนิก

วิธีการเหล่านี้ได้รับการออกแบบสำหรับการจำแนกประเภทไบนารี่ และไม่ใช่เรื่องเล็กน้อย


25) วิธีใดที่ใช้บ่อยเพื่อป้องกันการสวมอุปกรณ์มากเกินไป?

เมื่อมีข้อมูลที่เพียงพอ 'การถดถอยแบบไอโซโทนิก' จะถูกนำมาใช้เพื่อป้องกันปัญหาการติดตั้งมากเกินไป


26) อะไรคือความแตกต่างระหว่างฮิวริสติกสำหรับการเรียนรู้กฎและฮิวริสติกสำหรับแผนผังการตัดสินใจ?

ความแตกต่างก็คือ การวิเคราะห์พฤติกรรมสำหรับแผนผังการตัดสินใจจะประเมินคุณภาพโดยเฉลี่ยของชุดที่ไม่ต่อเนื่องกันจำนวนหนึ่ง ในขณะที่ผู้เรียนกฎจะประเมินเฉพาะคุณภาพของชุดอินสแตนซ์ที่ครอบคลุมด้วยกฎผู้สมัครเท่านั้น


27) Perceptron ใน Machine Learning คืออะไร?

ในการเรียนรู้ของเครื่อง Perceptron เป็นอัลกอริทึมการเรียนรู้แบบมีผู้ดูแลสำหรับตัวจำแนกแบบไบนารีซึ่งตัวจำแนกแบบไบนารีเป็นฟังก์ชันการตัดสินใจว่าอินพุตแสดงถึงเวกเตอร์หรือตัวเลข


28) อธิบายส่วนประกอบทั้งสองของโปรแกรมลอจิกเบย์เซียน

โปรแกรมลอจิกเบย์เซียนประกอบด้วยสองส่วน ส่วนแรกเป็นลอจิก ประกอบด้วยชุดของคำสั่งเบย์เซียนซึ่งจับโครงสร้างเชิงคุณภาพของโดเมน ส่วนที่สองเป็นเชิงปริมาณ ซึ่งเข้ารหัสข้อมูลเชิงปริมาณเกี่ยวกับโดเมน


29) เครือข่ายแบบเบย์ (BN) คืออะไร?

เครือข่ายแบบเบย์ใช้เพื่อแสดงแบบจำลองกราฟิกสำหรับความสัมพันธ์ของความน่าจะเป็นระหว่างชุดตัวแปร


30) เหตุใดอัลกอริทึมการเรียนรู้ตามอินสแตนซ์บางครั้งจึงเรียกว่าอัลกอริทึมการเรียนรู้แบบ Lazy

อัลกอริธึมการเรียนรู้ตามอินสแตนซ์เรียกอีกอย่างว่าอัลกอริธึมการเรียนรู้แบบ Lazy เนื่องจากจะชะลอกระบวนการเหนี่ยวนำหรือการวางนัยทั่วไปจนกว่าจะมีการจำแนกประเภท


31) วิธีการจำแนกประเภทสองวิธีที่ SVM ( Support Vector Machine) สามารถจัดการได้มีอะไรบ้าง

  • การรวมตัวแยกประเภทไบนารี
  • การปรับเปลี่ยนไบนารีเพื่อรวมการเรียนรู้แบบหลายคลาส

32) การเรียนรู้ทั้งมวลคืออะไร?

เพื่อแก้ปัญหาโปรแกรมคำนวณเฉพาะ โมเดลหลายแบบ เช่น ตัวแยกประเภทหรือผู้เชี่ยวชาญจะถูกสร้างขึ้นและรวมเข้าด้วยกันอย่างมีกลยุทธ์ กระบวนการนี้เรียกว่าการเรียนรู้ทั้งมวล


33) เหตุใดจึงใช้การเรียนรู้ทั้งมวล?

การเรียนรู้แบบ Ensemble ใช้เพื่อปรับปรุงการจำแนกประเภท การทำนาย การประมาณฟังก์ชัน ฯลฯ ของแบบจำลอง


34) เมื่อใดจึงควรใช้การเรียนรู้แบบวงดนตรี?

การเรียนรู้ทั้งมวลจะใช้เมื่อคุณสร้างตัวแยกประเภทส่วนประกอบที่แม่นยำและเป็นอิสระจากกันมากขึ้น


35) กระบวนทัศน์ทั้งสองของวิธีการทั้งมวลมีอะไรบ้าง?

กระบวนทัศน์ของวิธีการทั้งมวลมี 2 แบบคือ

  • วิธีการรวมกลุ่มตามลำดับ
  • วิธีการรวมวงดนตรีแบบขนาน

36) หลักการทั่วไปของวิธีการแบบ Ensemble คืออะไร และอะไรคือการบรรจุถุงและการเพิ่มประสิทธิภาพในวิธีการแบบ Ensemble?

หลักการทั่วไปของวิธีการทั้งมวลคือการรวมการคาดการณ์ของแบบจำลองต่างๆ ที่สร้างขึ้นด้วยอัลกอริธึมการเรียนรู้ที่กำหนด เพื่อปรับปรุงความทนทานของแบบจำลองเดียว การบรรจุถุงเป็นวิธีการหนึ่งในการปรับปรุงการประมาณค่าหรือแผนการจำแนกประเภทที่ไม่เสถียร ในขณะที่ใช้วิธีการบูสต์ตามลำดับเพื่อลดอคติของโมเดลแบบรวม การเพิ่มและการบรรจุถุงสามารถลดข้อผิดพลาดได้โดยการลดเงื่อนไขความแปรปรวน


37) การสลายตัวของความแปรปรวนแบบอคติของข้อผิดพลาดในการจำแนกประเภทในวิธีการทั้งมวลคืออะไร?

ข้อผิดพลาดที่คาดหวังของอัลกอริทึมการเรียนรู้สามารถแบ่งออกเป็นอคติและความแปรปรวนได้ คำว่าอคติจะวัดว่าตัวแยกประเภทเฉลี่ยที่สร้างโดยอัลกอริทึมการเรียนรู้นั้นตรงกับฟังก์ชันเป้าหมายมากน้อยเพียงใด เงื่อนไขความแปรปรวนจะวัดว่าการทำนายของอัลกอริทึมการเรียนรู้มีความผันผวนมากน้อยเพียงใดสำหรับชุดการฝึกที่แตกต่างกัน


38) อัลกอริธึมการเรียนรู้แบบเพิ่มหน่วยในชุดคืออะไร?

วิธีการเรียนรู้แบบเพิ่มหน่วยคือความสามารถของอัลกอริธึมในการเรียนรู้จากข้อมูลใหม่ที่อาจมีอยู่หลังจากตัวแยกประเภทได้ถูกสร้างขึ้นจากชุดข้อมูลที่มีอยู่แล้ว


39) PCA, KPCA และ ICA ใช้ทำอะไร?

PCA (การวิเคราะห์องค์ประกอบหลัก), KPCA (การวิเคราะห์องค์ประกอบหลักที่ใช้เคอร์เนล) และ ICA (การวิเคราะห์องค์ประกอบอิสระ) เป็นเทคนิคการแยกคุณลักษณะที่สำคัญที่ใช้สำหรับการลดขนาด


40) การลดขนาดใน Machine Learning คืออะไร?

ใน Machine Learning และสถิติ การลดขนาดเป็นกระบวนการลดจำนวนตัวแปรสุ่มภายใต้การพิจารณา และสามารถแบ่งออกเป็นการเลือกคุณลักษณะและการดึงคุณลักษณะ


41) เครื่องเวกเตอร์ที่รองรับคืออะไร?

เครื่องเวกเตอร์สนับสนุนเป็นอัลกอริทึมการเรียนรู้ที่มีการดูแลที่ใช้สำหรับการจำแนกประเภทและการวิเคราะห์การถดถอย


42) องค์ประกอบของเทคนิคการประเมินเชิงสัมพันธ์มีอะไรบ้าง?

องค์ประกอบที่สำคัญของเทคนิคการประเมินเชิงสัมพันธ์ ได้แก่

  • ได้มาซึ่งข้อมูล
  • การได้มาซึ่งความจริงภาคพื้นดิน
  • เทคนิคการตรวจสอบข้าม
  • ประเภทการสืบค้น
  • ตัวชี้วัดการให้คะแนน
  • การทดสอบความสำคัญ

43) Sequential Supervised Learning มีวิธีการที่แตกต่างกันอย่างไร

วิธีการต่างๆ ในการแก้ปัญหา Sequential Supervised Learning ได้แก่

  • วิธีการหน้าต่างบานเลื่อน
  • หน้าต่างบานเลื่อนสลับ
  • โมเดลมาร์โคว์ที่ซ่อนอยู่
  • แบบจำลอง Markow เอนโทรปีสูงสุด
  • ฟิลด์สุ่มแบบมีเงื่อนไข
  • เครือข่ายหม้อแปลงกราฟ

44) วิทยาการหุ่นยนต์และการประมวลผลข้อมูลด้านใดบ้างที่เกิดปัญหาการทำนายตามลำดับ

พื้นที่ในวิทยาการหุ่นยนต์และการประมวลผลข้อมูลที่เกิดปัญหาการทำนายตามลำดับ ได้แก่

  • การเรียนรู้เลียนแบบ
  • การทำนายแบบมีโครงสร้าง
  • การเรียนรู้การเสริมกำลังตามแบบจำลอง

45) การเรียนรู้เชิงสถิติแบบเป็นชุดคืออะไร?

เทคนิคการเรียนรู้ทางสถิติช่วยให้สามารถเรียนรู้ฟังก์ชันหรือตัวทำนายจากชุดข้อมูลที่สังเกตได้ซึ่งสามารถทำนายเกี่ยวกับข้อมูลที่มองไม่เห็นหรือในอนาคตได้ เทคนิคเหล่านี้รับประกันประสิทธิภาพของตัวทำนายที่เรียนรู้เกี่ยวกับข้อมูลที่มองไม่เห็นในอนาคตโดยอิงตามสมมติฐานทางสถิติในกระบวนการสร้างข้อมูล


46) PAC Learning คืออะไร?

การเรียนรู้ PAC (Probably Approximately Correct) เป็นกรอบการเรียนรู้ที่นำมาใช้เพื่อวิเคราะห์อัลกอริทึมการเรียนรู้และประสิทธิภาพทางสถิติ


47) อะไรคือหมวดหมู่ต่างๆ ที่คุณสามารถจัดหมวดหมู่กระบวนการเรียนรู้ตามลำดับได้?

  • การทำนายลำดับ
  • การสร้างลำดับ
  • การรับรู้ลำดับ
  • การตัดสินใจตามลำดับ

48) การเรียนรู้ตามลำดับคืออะไร?

การเรียนรู้ตามลำดับเป็นวิธีการสอนและการเรียนรู้ในลักษณะที่เป็นตรรกะ


49) เทคนิคสองประการของ Machine Learning คืออะไร?

เทคนิคสองประการของ Machine Learning คือ

  • การเขียนโปรแกรมทางพันธุกรรม
  • การเรียนรู้แบบอุปนัย

50) ให้แอปพลิเคชัน Machine Learning ยอดนิยมที่คุณเห็นอยู่ทุกวันหรือไม่

เครื่องมือแนะนำที่ดำเนินการโดยเว็บไซต์อีคอมเมิร์ซรายใหญ่ใช้การเรียนรู้ของเครื่อง

คำถามสัมภาษณ์เหล่านี้จะช่วยในวีว่าของคุณ (วาจา)