Question 1

Cos'è una variabile in Python?

Accepted Answer

Una variabile in Python è un nome che fa riferimento a una posizione di memoria contenente un valore. A differenza di altri linguaggi, Python utilizza il tipaggio dinamico: il tipo della variabile è determinato automaticamente durante l'assegnazione. Non è necessario dichiarare il tipo esplicitamente.

Question 2

Cos'è una classe in Python?

Accepted Answer

Una classe è un modello (blueprint) per creare oggetti che condividono gli stessi attributi e metodi. Definisce la struttura e il comportamento degli oggetti che ne saranno istanziati. Le classi permettono di organizzare il codice in modo modulare e riutilizzabile raggruppando dati e funzionalità correlati.

Question 3

Qual è la differenza fondamentale tra una lista e una tupla in Python?

Accepted Answer

Le liste sono mutabili (modificabili dopo la creazione) mentre le tuple sono immutabili (non modificabili). Questa immutabilità rende le tuple hashable e utilizzabili come chiavi di dizionario, a differenza delle liste. Le tuple sono inoltre leggermente più performanti in termini di memoria e velocità di accesso.

Question 4

Cos'è Git?

Accepted Answer

Git è un sistema di controllo versione distribuito creato da Linus Torvalds nel 2005. A differenza dei sistemi centralizzati come SVN, ogni sviluppatore possiede una copia completa della cronologia del progetto localmente. Questo permette di lavorare offline e offre grande flessibilità per i workflow collaborativi.

Question 5

Quale metodo permette di applicare più funzioni di aggregazione diverse a una singola colonna con groupby?

Accepted Answer

Il metodo agg() (o aggregate()) permette di applicare più funzioni di aggregazione alle stesse colonne. È possibile passare una lista di funzioni come ['sum', 'mean', 'count'] o un dizionario per specificare funzioni diverse per colonna. Questa flessibilità è essenziale per creare report statistici completi in una singola operazione.

Question 6

Qual è la differenza principale tra l'interfaccia pyplot e l'interfaccia orientata agli oggetti di Matplotlib?

Accepted Answer

L'interfaccia pyplot (plt.plot, plt.title) è un'API in stile MATLAB che gestisce implicitamente figures e axes correnti, conveniente per plot semplici e veloci. L'interfaccia orientata agli oggetti (fig, ax = plt.subplots()) dà controllo esplicito su ogni elemento (Figure, Axes) ed è raccomandata per plot complessi, multiple subplots o script di produzione, perché rende il codice più leggibile e manutenibile.

Question 7

Qual è la differenza principale tra Plotly Express e Plotly Graph Objects?

Accepted Answer

Plotly Express è un'API di alto livello che permette di creare grafici in una singola riga di codice con parametri semplici. Plotly Graph Objects è l'API di basso livello che offre il controllo completo su ogni elemento del grafico. Plotly Express utilizza Graph Objects internamente, il che consente di passare dall'uno all'altro per personalizzare ulteriormente i grafici.

Question 8

Cos'è un percettrone nel contesto delle reti neurali?

Accepted Answer

Un percettrone è l'unità base di una rete neurale, ispirata al neurone biologico. Prende più input, li moltiplica per i pesi, somma tutto con un bias, poi applica una funzione di attivazione per produrre un output. Il percettrone semplice può risolvere solo problemi linearmente separabili, il che ha portato allo sviluppo delle reti multistrato.

Question 9

Qual è la principale differenza tra Sequential API e Functional API di Keras?

Accepted Answer

La Sequential API permette di creare modelli layer per layer in modo lineare, dove ogni layer ha esattamente un input e un output. La Functional API offre maggiore flessibilità abilitando architetture complesse: input multipli, output multipli, residual connections e grafi di layer condivisi. Usa Sequential per architetture semplici e Functional per casi più avanzati.

Question 10

Cos'è un'operazione di convolution in una CNN?

Accepted Answer

Una convolution è un'operazione matematica che applica un filtro (kernel) su un'immagine facendo scorrere questo filtro sull'input e calcolando il prodotto scalare in ogni posizione. Questo permette di estrarre feature locali come bordi, texture o pattern. A differenza delle reti dense, dove ogni neurone è connesso a tutti gli input, la convolution sfrutta la struttura spaziale delle immagini condividendo i pesi del filtro su tutta l'immagine.

Domande da colloquio su Data Science & ML

Pronto per il tuo colloquio su Data Science & ML?

Esplora tutti gli argomenti Data Science & ML

Fondamenti di Python

Programmazione Orientata agli Oggetti in Python

Strutture dati Python

Fondamenti di Git

Fondamenti di SQL

Fondamenti di NumPy

Fondamenti di Pandas

Jupyter & Google Colab

SQL Joins e query avanzate

Pandas avanzato

Visualizzazione con Matplotlib & Seaborn

Visualizzazioni interattive con Plotly

Statistica descrittiva

Statistica inferenziale

Web Scraping

BigQuery & Cloud Data

Feature Engineering

ML Supervisionato: Regressione

ML Supervisionato: Classificazione

Alberi Decisionali e Ensembles

ML Non Supervisionato

Pipeline ML e Validazione

Serie Temporali e Previsione

Fondamenti di Deep Learning

TensorFlow & Keras

CNN e classificazione di immagini

RNN e Sequenze

Transformers e Attention

NLP e Hugging Face

GenAI e LangChain

MLOps e Deployment

Padroneggia Data Science & ML per il tuo prossimo colloquio