TensorFlow & Keras
Sequential API, Functional API, layers, callbacks, checkpoints, TensorBoard, penyimpanan model
1Apa perbedaan utama antara Keras Sequential API dan Functional API?
Apa perbedaan utama antara Keras Sequential API dan Functional API?
Jawaban
Sequential API memungkinkan pembuatan model layer demi layer secara linear, di mana setiap layer memiliki tepat satu input dan satu output. Functional API menawarkan fleksibilitas lebih dengan memungkinkan arsitektur kompleks: multiple inputs, multiple outputs, residual connections, dan shared layer graphs. Gunakan Sequential untuk arsitektur sederhana dan Functional untuk kasus yang lebih maju.
2Bagaimana cara membuat model Sequential dengan Dense layer 64 neuron diikuti oleh output layer 10 neuron?
Bagaimana cara membuat model Sequential dengan Dense layer 64 neuron diikuti oleh output layer 10 neuron?
Jawaban
Metode standar adalah dengan menginstansiasi tf.keras.Sequential() lalu menggunakan model.add() untuk menambahkan layer satu per satu, atau meneruskan daftar layer langsung ke konstruktor. Setiap Dense layer mengambil jumlah units sebagai parameter, dan layer pertama memerlukan penentuan input_shape untuk mendefinisikan bentuk data input.
3Apa peran fungsi aktivasi 'softmax' dalam output layer?
Apa peran fungsi aktivasi 'softmax' dalam output layer?
Jawaban
Fungsi softmax mengubah logits (output mentah) menjadi probabilitas yang berjumlah 1, yang ideal untuk klasifikasi multi-class. Setiap output mewakili probabilitas termasuk ke dalam suatu kelas. Biasanya digunakan dengan loss categorical_crossentropy untuk label one-hot atau sparse_categorical_crossentropy untuk label integer.
Bagaimana cara mendefinisikan model dengan Functional API yang memiliki dua input berbeda?
Callback mana yang digunakan untuk menghentikan pelatihan ketika validation loss tidak lagi membaik?
+19 pertanyaan wawancara
Topik wawancara Data Science & ML lainnya
Dasar-dasar Python
Pemrograman Berorientasi Objek Python
Struktur Data Python
Dasar-Dasar Git
Dasar-dasar SQL
Dasar-Dasar NumPy
Dasar-dasar Pandas
Jupyter & Google Colab
SQL Joins & Kueri Lanjutan
Pandas Lanjutan
Visualisasi dengan Matplotlib & Seaborn
Visualisasi Interaktif dengan Plotly
Statistik Deskriptif
Statistik Inferensial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Terbimbing: Regresi
ML Terbimbing: Klasifikasi
Pohon Keputusan & Ensemble
ML Tanpa Pengawasan
Pipeline ML & Validasi
Deret Waktu & Peramalan
Dasar-Dasar Deep Learning
CNN dan klasifikasi gambar
RNN & Sekuens
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps dan Deployment
Kuasai Data Science & ML untuk wawancara berikutnya
Akses semua pertanyaan, flashcards, tes teknis, latihan code review dan simulator wawancara.
Mulai gratis