# GenAIとLangChain (Data Science & ML)

> LLMs (GPT、Gemini、Claude)、プロンプティング、LangChain、chains、agents、RAG、vector stores、embeddings

- 24 面接問題
- Senior
- [面接問題: Data Science & ML](https://sharpskill.dev/ja/technologies/data-science/interview-questions.md)

## 1. LLM (Large Language Model) とは何ですか?

**回答**

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。

## 2. 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**

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。

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

**回答**

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。

## さらに21問利用可能

- 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?

無料で登録: https://sharpskill.dev/ja/login

## その他のData Science & ML面接トピック

- [Pythonの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-basics.md): 25問, Junior
- [Pythonオブジェクト指向プログラミング](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-oop.md): 20問, Junior
- [Pythonのデータ構造](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-data-structures.md): 20問, Junior
- [Git の基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/git-fundamentals.md): 18問, Junior
- [SQLの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/sql-basics.md): 20問, Junior
- [NumPyの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/numpy-fundamentals.md): 22問, Junior
- [Pandasの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/pandas-basics.md): 22問, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/ja/technologies/data-science/interview-questions/jupyter-colab.md): 16問, Junior
- [SQL Joinsと高度なクエリ](https://sharpskill.dev/ja/technologies/data-science/interview-questions/sql-joins-advanced.md): 22問, Mid-Level
- [Pandas応用](https://sharpskill.dev/ja/technologies/data-science/interview-questions/pandas-advanced.md): 24問, Mid-Level
- [Matplotlib & Seabornによる可視化](https://sharpskill.dev/ja/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20問, Mid-Level
- [Plotlyによるインタラクティブな可視化](https://sharpskill.dev/ja/technologies/data-science/interview-questions/plotly-interactive.md): 18問, Mid-Level
- [記述統計](https://sharpskill.dev/ja/technologies/data-science/interview-questions/statistics-descriptive.md): 20問, Mid-Level
- [推測統計学](https://sharpskill.dev/ja/technologies/data-science/interview-questions/statistics-inferential.md): 24問, Mid-Level
- [Web Scraping](https://sharpskill.dev/ja/technologies/data-science/interview-questions/web-scraping.md): 18問, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/ja/technologies/data-science/interview-questions/bigquery-cloud.md): 18問, Mid-Level
- [Feature Engineering](https://sharpskill.dev/ja/technologies/data-science/interview-questions/feature-engineering.md): 22問, Mid-Level
- [教師あり機械学習：回帰](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-supervised-regression.md): 24問, Mid-Level
- [教師あり機械学習：分類](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-supervised-classification.md): 24問, Mid-Level
- [決定木とアンサンブル](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24問, Mid-Level
- [教師なしML](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-unsupervised.md): 22問, Mid-Level
- [MLパイプラインと検証](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-pipelines-validation.md): 22問, Mid-Level
- [時系列と予測](https://sharpskill.dev/ja/technologies/data-science/interview-questions/time-series-forecasting.md): 22問, Mid-Level
- [Deep Learningの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24問, Senior
- [TensorFlow & Keras](https://sharpskill.dev/ja/technologies/data-science/interview-questions/tensorflow-keras.md): 22問, Senior
- [CNN と画像分類](https://sharpskill.dev/ja/technologies/data-science/interview-questions/cnn-image-classification.md): 24問, Senior
- [RNNとシーケンス](https://sharpskill.dev/ja/technologies/data-science/interview-questions/rnn-sequences.md): 22問, Senior
- [TransformersとAttention](https://sharpskill.dev/ja/technologies/data-science/interview-questions/transformers-attention.md): 24問, Senior
- [NLPとHugging Face](https://sharpskill.dev/ja/technologies/data-science/interview-questions/nlp-huggingface.md): 24問, Senior
- [MLOps とデプロイ](https://sharpskill.dev/ja/technologies/data-science/interview-questions/mlops-deployment.md): 24問, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/ja/technologies/data-science/interview-questions/genai-langchain