Question 1

LLM (Large Language Model) とは何ですか?

Accepted Answer

LLMは、自然言語を理解し生成するために膨大な量のテキストで訓練された深層学習モデルです。これらのモデルは、数十億のパラメータを持つTransformerアーキテクチャを使用し、言語のニュアンスを捉え、複雑な指示に従い、一貫したテキストを生成することができます。GPT-4、Claude、Geminiは本番環境で使用されるLLMの例です。

Question 2

zero-shotとfew-shotプロンプティングの主な違いは何ですか?

Accepted Answer

zero-shotプロンプティングは、事前の例を提供せずに、指示のみに基づいてモデルにタスクを実行させます。few-shotプロンプティングは、モデルをガイドするためにプロンプトに入出力ペアの例をいくつか含めます。few-shotは、提供された例から期待される形式とスタイルを推論できるため、特定のタスクのパフォーマンスを一般的に向上させます。

Question 3

chain-of-thought (CoT) プロンプティングとは何ですか?

Accepted Answer

Chain-of-thoughtプロンプティングは、最終的な答えを出す前にLLMにステップバイステップで推論を分解させる技術です。「ステップバイステップで考えましょう」のようなフレーズを追加したり、推論の例を示したりすることで、論理的、数学的、または複数ステップの推論タスクのパフォーマンスが大幅に向上します。このアプローチは、意思決定プロセスをより透明で検証可能にします。

GenAIとLangChain

LLM (Large Language Model) とは何ですか?

回答

zero-shotとfew-shotプロンプティングの主な違いは何ですか?

回答

chain-of-thought (CoT) プロンプティングとは何ですか?

回答

LangChainとは何で、その主な目的は何ですか?

LangChainにおけるchainとは何ですか?

その他のData Science & ML面接トピック

Pythonの基礎

Pythonオブジェクト指向プログラミング

Pythonのデータ構造

Git の基礎

SQLの基礎

NumPyの基礎

Pandasの基礎

Jupyter & Google Colab

SQL Joinsと高度なクエリ

Pandas応用

Matplotlib & Seabornによる可視化

Plotlyによるインタラクティブな可視化

記述統計

推測統計学

Web Scraping

BigQuery & Cloud Data

Feature Engineering

教師あり機械学習：回帰

教師あり機械学習：分類

決定木とアンサンブル

教師なしML

MLパイプラインと検証

時系列と予測

Deep Learningの基礎

TensorFlow & Keras

CNN と画像分類

RNNとシーケンス

TransformersとAttention

NLPとHugging Face

MLOps とデプロイ

次の面接に向けてData Science & MLをマスター