Makine Öğrenmesi Mülakat Soruları · Yapay Zeka
Yapay Zeka Mühendisi (AI/ML) mülakatlarında karşınıza çıkabilecek 16 Makine Öğrenmesi sorusu. Tüm Yapay Zeka sorularına dön.
16 soru
- Hiperparametre optimizasyonunu nasıl yaparsınız? Grid search, random search ve Bayesian optimization'ı karşılaştırın.
- Feature scaling nedir? Standardization ile normalization arasındaki fark nedir ve hangi modeller ölçeklendirme gerektirir?
- PCA (Principal Component Analysis) nasıl çalışır? Ne zaman kullanılır, ne zaman kullanılmamalıdır?
- NumPy kullanarak k-means algoritmasını sıfırdan yazın. k değerini nasıl seçersiniz ve algoritmanın sınırlamaları nelerdir?
- XGBoost ve LightGBM klasik gradient boosting'den hangi açılardan farklıdır? En önemli hiperparametreleri nelerdir?
- Random Forest ile Gradient Boosting arasındaki fark nedir? Bagging ve boosting'i karşılaştırın.
- Lineer regresyon ile lojistik regresyon arasındaki fark nedir? Lojistik regresyonda neden MSE yerine log-loss kullanılır?
- Batch gradient descent, stochastic gradient descent (SGD) ve mini-batch gradient descent arasındaki fark nedir?
- Dengesiz (imbalanced) bir veri setiyle nasıl başa çıkarsınız? Örneğin %0.5 fraud oranı.
- ROC-AUC ile PR-AUC arasındaki fark nedir? Dengesiz veri setinde hangisine bakarsınız?
- Precision, recall ve F1-score nedir? Hangisini ne zaman önceliklendirirsiniz?
- Data leakage nedir? Gerçek projelerden örnekler verin ve nasıl önlersiniz?
- Cross-validation nedir? Zaman serisi verisinde neden standart k-fold kullanılmaz?
- L1 ve L2 regularization arasındaki fark nedir? L1 neden sparse (seyrek) ağırlıklar üretir?
- Modeliniz train setinde %99, validation setinde %72 doğruluk veriyor. Adım adım ne yaparsınız?
- Bias-variance tradeoff (yanlılık-varyans dengesi) nedir?