40 questions d'entretien sur Machine learning - Les bases pour développeurs (2024)

Intermédiaire

13 votes996 passages0 commentaire

Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?

Data Scientist

Machine Learning

missing data

Martinle 4 avr. 2022

Intermédiaire

8 votes897 passages0 commentaire

Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?

Data Scientist

Machine Learning

missing data

Martinle 4 avr. 2022

Facile

6 votes969 passages0 commentaire

Le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'ajustement du modèle sur le jeu d'entraînement tout en ajustant ses hyperparamètres/paramètres: en d'autres termes, le modèle est trouvé et ensuite testé sur le jeu de validation avant d'être amélioré une fois de plus.

Data Scientist

Machine Learning

hyperparameters

model

Martinle 15 mars 2022

Très facile

6 votes927 passages0 commentaire

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Data Scientist

Machine Learning

overfitting

Martinle 15 mars 2022

Très facile

4 votes838 passages0 commentaire

Clustering est un processus d'apprentissage automatique non supervisé qui vise à découvrir automatiquement des regroupements naturels dans les données d'entrée. Lorsque cette méthode est utilisée, le développeur peut choisir le nombre de groupes qu'il souhaite créer.

Data Scientist

Machine Learning

unsupervised learning

Martinle 15 mars 2022

Facile

3 votes936 passages0 commentaire

Donné un jeu de données, quels éléments vous aideront à choisir quel modèle / méthode d'apprentissage automatique utiliser pour créer un modèle efficace?

Data Scientist

Machine Learning

data

model

Martinle 15 mars 2022

Difficile

3 votes881 passages

1 commentaire

Quelles sont les différences/similarités entre une fonction de perte, une fonction d'erreur et une fonction de coût?

Data Scientist

Machine Learning

loss function

error function

cost function

Martinle 15 mars 2022

Facile

3 votes877 passages0 commentaire

Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action doit être effectuée lors de cette préparation?

Data Scientist

Machine Learning

data

preprocessing

Martinle 15 mars 2022

Facile

3 votes850 passages0 commentaire

Comment évaluer les performances d'un modèle de clustering?

Data Scientist

Machine Learning

metrics

clustering

Martinle 15 mars 2022

Facile

3 votes595 passages0 commentaire

Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …

Data Scientist

Machine Learning

models

ensemble

Martinle 15 mars 2022

Difficile

2 votes868 passages0 commentaire

Comment définir l'apprentissage par renforcement ? Sélectionnez la phrase qui définit le mieux cette méthode d'apprentissage.

Data Scientist

Machine Learning

reinforcement learning

Martinle 4 avr. 2022

Très facile

2 votes839 passages0 commentaire

Comment définir l'apprentissage supervisé ? Dans l'apprentissage supervisé, la machine entraîne le modèle à l'aide d'un ensemble de données d'apprentissage étiquetées.

Data Scientist

Machine Learning

supervised learning

Martinle 15 mars 2022

Facile

1 vote875 passages1 commentaire

Quelles sont les actions suivantes qui peuvent être utilisées lors du prétraitement des données lors de la réalisation d'une régression ou d'une classification?

Data Scientist

Machine Learning

data

preprocessing

Martinle 13 déc. 2023

Très facile

1 vote854 passages0 commentaire

Avec quel(s) type(s) d'apprentissage peut-on utiliser les indicateurs de performance suivants ?

Data Scientist

Machine Learning

supervised learning

performance indicators

Martinle 15 mars 2022

Facile

1 vote301 passages0 commentaire

La validation croisée est une technique utilisée pour évaluer les modèles ML ou DL (deep learning). La méthode consiste à entraîner plusieurs modèles sur des sous-ensembles des données d'entrée et à les évaluer sur le sous-ensemble complémentaire de ces mêmes données. Elle vise à éviter le surapprentissage.

Data Scientist

Machine Learning

overfitting

validation

Martinle 15 mars 2022

Intermédiaire

1 vote260 passages0 commentaire

Quelles des affirmations suivantes sont vraies lorsqu'on considère le boosting?

Data Scientist

Machine Learning

ensemble

models

Martinle 15 mars 2022

Intermédiaire

1 vote250 passages0 commentaire

Sélectionnez les affirmations vraies sur PCA.

Data Scientist

Machine Learning

dimension reduction

unsupervised learning

Martinle 15 mars 2022

Très facile

1 vote68 passages0 commentaire

Quel langage de code est le plus utilisé pour implémenter l'apprentissage automatique?

Data Scientist

Machine Learning

python

Martinle 15 mars 2022

Facile

0 vote876 passages0 commentaire

Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?

Data Scientist

Machine Learning

deep learning

artificial intelligence

Martinle 15 mars 2022

Intermédiaire

0 vote870 passages0 commentaire

Laquelle des affirmations suivantes est vraie lorsqu'on considère l'apprentissage automatique?

Data Scientist

Machine Learning

artificial intelligence

computer science

Martinle 15 mars 2022

40 questions d'entretien sur Machine learning - Les basespour développeurs (2024)

Testez vos connaissances techniques avant un entretien pour Machine learning - Les bases avec 40 questions corrigées. Niveau débutant, Intermédiaire ou expert.

Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?

Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Clustering est un processus d'apprentissage automatique non supervisé qui vise à découvrir automatiquement des regroupements naturels dans les données d'entrée. Lorsque cette méthode est utilisée, le développeur peut choisir le nombre de groupes qu'il souhaite créer.

Donné un jeu de données, quels éléments vous aideront à choisir quel modèle / méthode d'apprentissage automatique utiliser pour créer un modèle efficace?

Quelles sont les différences/similarités entre une fonction de perte, une fonction d'erreur et une fonction de coût?

Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action doit être effectuée lors de cette préparation?

Comment évaluer les performances d'un modèle de clustering?

Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …

Comment définir l'apprentissage par renforcement ? Sélectionnez la phrase qui définit le mieux cette méthode d'apprentissage.

Comment définir l'apprentissage supervisé ? Dans l'apprentissage supervisé, la machine entraîne le modèle à l'aide d'un ensemble de données d'apprentissage étiquetées.

Quelles sont les actions suivantes qui peuvent être utilisées lors du prétraitement des données lors de la réalisation d'une régression ou d'une classification?

Avec quel(s) type(s) d'apprentissage peut-on utiliser les indicateurs de performance suivants ?

Quelles des affirmations suivantes sont vraies lorsqu'on considère le boosting?

Sélectionnez les affirmations vraies sur PCA.

Quel langage de code est le plus utilisé pour implémenter l'apprentissage automatique?

Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?

Laquelle des affirmations suivantes est vraie lorsqu'on considère l'apprentissage automatique?